Преглед садржаја:
Дефиниција - Шта значи смањење димензије?
Смањење димензија је низ техника у машинском учењу и статистикама за смањење броја случајних променљивих које треба узети у обзир. То укључује избор значајки и екстракцију карактеристика. Смањење димензија чини анализу података много лакшом и бржом за алгоритме машинског учења без обрађивања вањских варијабли, чинећи алгоритме машинског учења бржим и једноставнијим заузврат.
Техопедија објашњава смањење димензија
Смањењем димензија покушава се смањити број случајних варијабли у подацима. Често се користи приступ најближих комшија К. Технике смањења димензија подељене су у две главне категорије: избор значајки и екстракција карактеристика.
Технике одабира функција проналазе мањи подскуп вишедимензионалних скупа података за креирање модела података. Главне стратегије за сет функција су филтер, омотач (користећи предиктивни модел) и уграђени, који врше избор функција док граде модел.
Екстракција карактеристика укључује претварање података из великих димензија у просторе мање димензија. Методе укључују анализу главних компоненти, ПЦА кернела, ПЦА засновану на графу ПЦА, линеарну дискриминаторну анализу и генерализовану дискриминативну анализу.
