Оглавление:
Определение - Что означает уменьшение размерности?
Уменьшение размерности - это ряд методов машинного обучения и статистики, позволяющих уменьшить количество случайных величин, которые необходимо учитывать. Это включает в себя выбор функции и извлечение функции. Снижение размерности делает анализ данных намного проще и быстрее для алгоритмов машинного обучения без обработки посторонних переменных, что делает алгоритмы машинного обучения быстрее и проще, в свою очередь.
Техопедия объясняет уменьшение размерности
Уменьшение размерности пытается уменьшить количество случайных величин в данных. Часто используется подход K-ближайших соседей. Методы уменьшения размерности делятся на две основные категории: выбор признаков и извлечение признаков.
Методы выбора признаков находят меньшее подмножество многомерного набора данных для создания модели данных. Основными стратегиями для набора функций являются фильтр, оболочка (с использованием прогнозирующей модели) и внедренные, которые выполняют выбор функций при построении модели.
Извлечение признаков включает в себя преобразование многомерных данных в пространства меньшего размера. Методы включают анализ главных компонентов, PCA ядра, PCA ядра на основе графов, линейный дискриминантный анализ и обобщенный дискриминантный анализ.