차례:
정의-차원 축소 란 무엇입니까?
차원 축소는 고려해야 할 임의 변수의 수를 줄이기위한 기계 학습 및 통계의 일련의 기술입니다. 기능 선택 및 기능 추출이 포함됩니다. 차원 축소는 외부 변수를 처리 할 필요없이 기계 학습 알고리즘에 대한 데이터 분석을 훨씬 쉽고 빠르게하여 기계 학습 알고리즘을 더 빠르고 간단하게 만듭니다.
Techopedia는 차원 축소를 설명합니다
차원 축소는 데이터에서 랜덤 변수의 수를 줄이기 위해 시도합니다. K- 최근 접 이웃 접근 방식이 종종 사용됩니다. 차원 축소 기술은 기능 선택과 기능 추출의 두 가지 주요 범주로 나뉩니다.
기능 선택 기법은 데이터 모델을 생성하기 위해 다차원 데이터 세트의 작은 하위 집합을 찾습니다. 기능 세트의 주요 전략은 필터, 랩퍼 (예측 모델 사용) 및 임베디드이며 모델을 빌드하는 동안 기능 선택을 수행합니다.
특징 추출에는 고차원 데이터를 더 적은 차원의 공간으로 변환하는 것이 포함됩니다. 주요 구성 요소 분석, 커널 PCA, 그래프 기반 커널 PCA, 선형 판별 분석 및 일반화 된 판별 분석 방법이 있습니다.
