Indholdsfortegnelse:
Definition - Hvad betyder dimensionsreduktion?
Dimensionalitetsreduktion er en række teknikker inden for maskinlæring og statistik for at reducere antallet af tilfældige variabler, der skal overvejes. Det involverer valg af funktion og ekstraktion af funktioner. Dimensionalitetsreduktion gør analysen af data meget lettere og hurtigere for maskinlæringsalgoritmer uden udvendige variabler at behandle, hvilket gør maskinlæringsalgoritmer hurtigere og enklere igen.
Techopedia forklarer Dimensionality Reduction
Dimensionalitetsreduktion forsøger at reducere antallet af tilfældige variabler i data. Der anvendes ofte en K-nærmeste naboer-tilgang. Teknikker til reduktion af dimensionalitet er opdelt i to hovedkategorier: valg af funktion og ekstraktion af funktion.
Funktionsvalgsteknikker finder en mindre undergruppe af et mange-dimensionelt datasæt for at oprette en datamodel. De vigtigste strategier for funktionssæt er filter, indpakning (ved hjælp af en forudsigelsesmodel) og indlejret, der udfører valg af funktion, mens du bygger en model.
Funktionekstraktion involverer omdannelse af højdimensionelle data til mellemrum med færre dimensioner. Metoder inkluderer hovedkomponentanalyse, kerne-PCA, grafbaseret kerne-PCA, lineær diskriminerende analyse og generaliseret forskelsbehandlingsanalyse.
