Публикации по теме 'dimensionality-reduction'


Теоретическое введение в уменьшение размерности с помощью t-SNE
В этой статье мы рассмотрим мотивацию использования уменьшения размерности данных. Мы также увидим определение методов линейного и нелинейного уменьшения размерности. После этого мы получим теоретическое введение в нелинейный метод, называемый t-SNE. Мотивация снижения размерности Итак, зачем нам уменьшать размерность наших данных и что это вообще означает? Давайте возьмем наглядный пример, чтобы понять, что это такое…
Некоторые мысли о t-SNE и снижении размерности…
Что такое "уменьшение размерности"? Когда вы работаете с набором данных, который имеет так много измерений, вам будет трудно найти конкретную связь между каждым из признаков. Да, работать с такими наборами данных сложно, и в большинстве случаев наличие нескольких функций (или размерностей) даже снижает точность ваших моделей обучения из-за переобучения. В машинном обучении уменьшение размерности используется для извлечения или оставления важных функций данных при одновременном..
Методы уменьшения размерности
Второй шаг, когда у вас слишком много данных Фильтр низкой дисперсии Когда функция в наборе данных имеет близкое или такое же значение. какой смысл засорять данные. Фильтр высокой корреляции Рассчитайте корреляцию между независимыми числовыми переменными, которые имеют числовую природу. Если коэффициент корреляции пересекает определенное пороговое значение, мы можем отбросить одну из переменных Случайный лес Random Forest — один из наиболее широко используемых алгоритмов..
Мягкий подход к анализу главных компонентов (PCA)
Введение PCA — это метод уменьшения размерности. Это позволяет нам уменьшить многомерный набор данных, убрав некоторые измерения без потери важной информации. В этой статье мы исследуем основополагающую философию устранения измерений. Удивительно, но многие строительные блоки взяты из базовой математики и физики средней школы. Это означает, что нам нужно понять, что такое размерности и что именно мы пытаемся уменьшить и как? Давайте сначала погрузимся в некоторые математические..
Интеграция методов уменьшения размерности и нейронной сети для классификации изображений
Построение глубокой сети с использованием исходных цифровых изображений требует изучения многих параметров, которые могут снизить точность. Изображения могут быть сжаты с использованием методов уменьшения размеров, а извлеченные уменьшенные элементы могут быть переданы в глубокую сеть для классификации. Следовательно, на этапе обучения сети количество параметров будет уменьшено. Анализ главных компонентов - это хорошо известный метод уменьшения размерности, который использует..
Уменьшение размерности VS Выбор функций
Что такое уменьшение размерности? Метод уменьшения количества измерений (или признаков) в наборе данных при сохранении как можно большего количества информации известен как уменьшение размерности. Это метод, обычно используемый в машинном обучении и интеллектуальном анализе данных, чтобы минимизировать сложность данных и повысить производительность модели. Уменьшение размерности может быть достигнуто различными способами, в том числе: Анализ основных компонентов (АПК) : АПК – это..
Сравнение методов уменьшения размерности на 15 наборах данных
В машинном обучении уменьшение размерности — это метод, используемый для уменьшения количества признаков в наборе данных. Во многих случаях очень полезно использовать эти методы для уменьшения размера набора данных без потери большого количества информации, потому что иногда набор данных может иметь слишком много функций, что может затруднить обучение модели машинного обучения и делать хорошие прогнозы. Существует несколько различных методов уменьшения размерности, включая анализ основных..