Innehållsförteckning:
Definition - Vad betyder Dimensionality Reduction?
Dimensionalitetsminskning är en serie tekniker inom maskininlärning och statistik för att minska antalet slumpmässiga variabler att tänka på. Det innebär val av funktioner och extraktion av funktioner. Dimensionalitetsminskning gör analysen av data mycket enklare och snabbare för maskininlärningsalgoritmer utan främmande variabler att bearbeta, vilket gör maskininlärningsalgoritmer snabbare och enklare i sin tur.
Techopedia förklarar Dimensionality Reduction
Dimensionitetsminskning försöker minska antalet slumpmässiga variabler i data. Ofta används en K-närmaste granne-strategi. Tekniker för minskning av dimensionalitet är indelade i två huvudkategorier: val av funktioner och extraktion av funktioner.
Funktionsvalstekniker hittar en mindre delmängd av en mångfaldig datauppsättning för att skapa en datamodell. De viktigaste strategierna för funktionsuppsättningen är filter, omslag (med hjälp av en prediktiv modell) och inbäddade, som utför funktionsval medan man bygger en modell.
Funktionsextraktion innebär att högdimensionell data omvandlas till utrymmen med färre dimensioner. Metoder inkluderar huvudkomponentanalys, kärn-PCA, grafbaserad kärn-PCA, linjär diskriminerande analys och generaliserad diskriminantanalys.
