Inhoudsopgave:
Definitie - Wat betekent Dimensionality Reduction?
Dimensionaliteitsreductie is een reeks technieken in machinaal leren en statistieken om het aantal willekeurige variabelen te verminderen. Het omvat functieselectie en functie-extractie. Dimensionaliteitreductie maakt het analyseren van gegevens veel eenvoudiger en sneller voor machine learning-algoritmen zonder externe variabelen om te verwerken, waardoor machine learning-algoritmen op hun beurt sneller en eenvoudiger worden.
Techopedia verklaart Dimensionality Reduction
Dimensionaliteitsreductie probeert het aantal willekeurige variabelen in gegevens te verminderen. Vaak wordt een benadering van K-naaste buren gebruikt. Dimensionaliteitreductietechnieken zijn onderverdeeld in twee hoofdcategorieën: selectie van functies en extractie van functies.
Functieselectietechnieken vinden een kleinere subset van een veel-dimensionale gegevensset om een gegevensmodel te maken. De belangrijkste strategieën voor functieset zijn filter, wrapper (met behulp van een voorspellend model) en ingebed, die functieselectie uitvoeren tijdens het bouwen van een model.
Feature-extractie omvat het transformeren van hoog-dimensionale gegevens in ruimtes met minder dimensies. Methoden omvatten principale componentenanalyse, kernel PCA, op grafiek gebaseerde kernel PCA, lineaire discriminantanalyse en gegeneraliseerde discriminantanalyse.
