Innholdsfortegnelse:
Definisjon - Hva betyr dimensjonal reduksjon?
Dimensjonsreduksjon er en serie teknikker innen maskinlæring og statistikk for å redusere antall tilfeldige variabler å vurdere. Det innebærer valg av funksjoner og ekstraksjon av funksjoner. Dimensjonsreduksjon gjør analysen av data mye enklere og raskere for maskinlæringsalgoritmer uten fremmede variabler å bearbeide, noe som gjør maskinlæringsalgoritmer raskere og enklere etter tur.
Techopedia forklarer Dimensjonsreduksjon
Dimensjonsreduksjon forsøker å redusere antall tilfeldige variabler i data. En K-nærmeste naboer tilnærming brukes ofte. Teknikker for reduksjon av dimensjonalitet er delt inn i to hovedkategorier: funksjonsvalg og ekstraksjon av funksjoner.
Funksjoner for valg av teknikker finner et mindre underett av et mange-dimensjonalt datasett for å lage en datamodell. De viktigste strategiene for funksjonssett er filter, innpakning (ved bruk av en prediktiv modell) og innebygd, som utfører funksjonsvalg mens du bygger en modell.
Uttrekk av funksjoner innebærer å transformere høydimensjonale data til rom med færre dimensjoner. Metoder inkluderer hovedkomponentanalyse, kjerne-PCA, grafbasert kjerne-PCA, lineær diskriminantanalyse og generalisert diskriminantanalyse.
