İçindekiler:
Tanım - Boyutsal Azaltma ne anlama geliyor?
Boyutsal küçültme, dikkate alınacak rastgele değişkenlerin sayısını azaltmak için makine öğrenimi ve istatistiklerinde bir dizi tekniktir. Özellik seçimi ve özellik çıkarmayı içerir. Boyutsal küçültme, işlenecek yabancı değişkenler olmadan makine öğrenme algoritmaları için verilerin analiz edilmesini çok daha kolay ve hızlı hale getirir ve makine öğrenme algoritmalarını daha hızlı ve daha basit hale getirir.
Techopedia, Boyut Azaltımını Açıklıyor
Boyutsal küçültme, verilerdeki rasgele değişkenlerin sayısını azaltmaya çalışır. K'ye en yakın komşular yaklaşımı sıklıkla kullanılır. Boyut küçültme teknikleri iki ana kategoriye ayrılır: özellik seçimi ve özellik çıkarma.
Özellik seçim teknikleri, bir veri modeli oluşturmak için çok boyutlu bir veri kümesinin daha küçük bir alt kümesini bulur. Özellik kümesi için temel stratejiler, bir model oluştururken özellik seçimini gerçekleştiren filtre, sargı (tahminli bir model kullanarak) ve gömülüdür.
Özellik çıkarma, yüksek boyutlu verilerin daha az boyutlu alanlara dönüştürülmesini içerir. Yöntemler arasında ana bileşen analizi, çekirdek PCA, grafik tabanlı çekirdek PCA, doğrusal diskriminant analizi ve genelleştirilmiş diskriminant analizi bulunur.
