Sommario:
Definizione: cosa significa riduzione dimensionale?
La riduzione della dimensionalità è una serie di tecniche di apprendimento automatico e statistiche per ridurre il numero di variabili casuali da considerare. Implica la selezione e l'estrazione delle funzionalità. La riduzione dimensionale rende l'analisi dei dati molto più semplice e veloce per gli algoritmi di machine learning senza che vengano elaborate variabili estranee, rendendo gli algoritmi di machine learning più veloci e più semplici a loro volta.
Techopedia spiega la riduzione dimensionale
La riduzione dimensionale tenta di ridurre il numero di variabili casuali nei dati. Viene spesso utilizzato un approccio K-vicini più vicini. Le tecniche di riduzione della dimensionalità sono divise in due categorie principali: selezione e estrazione delle caratteristiche.
Le tecniche di selezione delle funzioni trovano un sottoinsieme più piccolo di un set di dati multidimensionale per creare un modello di dati. Le principali strategie per il set di funzionalità sono filtro, wrapper (utilizzando un modello predittivo) e incorporato, che eseguono la selezione delle funzionalità durante la creazione di un modello.
L'estrazione di funzionalità implica la trasformazione di dati ad alta dimensione in spazi di dimensioni inferiori. I metodi includono analisi dei componenti principali, kernel PCA, kernel PCA basato su grafici, analisi discriminante lineare e analisi discriminante generalizzata.
