Свързани публикации 'dimensionality-reduction'
Глава 8: Намаляване на размерността
Преглед на практическото машинно обучение със Scikit-Learn, Keras & Tensorflow от Aurélien Géron
Резюме
Намаляването на размерността е актът на вземане на данни с големи размери (данни, които изискват повече от 3 измерения) и намаляване на броя на измеренията, за да улесни работата с данните или да ги направи разумно видими при визуализации на данни. Това намаление е математически тежко и изисква загуба на информация, но в дългосрочен план може да направи данните работещи, когато не..
Обяснени самоорганизиращи се карти
Самоорганизиращите се карти (SOM), известни още като карти на Кохонен, са вид изкуствена невронна мрежа, която се използва за групиране, намаляване на размерността и др.
В първата част предоставям общ преглед на SOM. Във втората част обяснявам как се учат. И накрая, в последната част демонстрирам как да обучавам SOM върху набора от данни за ириса. Чувствайте се свободни да прескочите напред до последния раздел, ако предпочитате.
TL;DR:
SOM картографират високоразмерни входни..
Какво е проклятието на измерението?| Машинно обучение #2
Визуализирането на стоизмерното пространство е невероятно трудно за хората. Освен че са трудни за визуализиране, има поне два допълнителни проблема във високите измерения, и двата наричани проклятието на размерността . Единият е изчислителен, другият е математически.
От изчислителна гледна точка разгледайте следния проблем. За K -най-близките съседи скоростта на прогнозиране е ниска за много голям набор от данни. Най-малкото трябва да разглеждате всеки пример за обучение всеки..
Намаляване на размерността и машинно обучение
Помага на машинното обучение при получаването на прогнозни модели с добро съответствие.
Намаляването на размерността е област на машинното обучение и изкуствения интелект. Както знаем, в машинното обучение за всяка класификация се вземат предвид много фактори преди резултата. И тези фактори не са нищо друго освен променливите, които също се наричат характеристики. Но въпросът тук е какво точно прави намаляването на размерността в машинното обучение. Отговорът на този въпрос би..
Методи за намаляване на размерите
Намаляването на размерите е техника, която намалява броя на входните променливи в конкретен набор от данни, сега тук възниква въпросът защо трябва да намаляваме размерите на данните. Намаляването на размерите на данните намалява необходимото време и място за съхранение. Помага за премахване на мултиколинеарността, което подобрява интерпретацията на параметрите на модела за машинно обучение. Защото тогава става по-лесно да се визуализират данните, когато са намалени до по-ниски измерения...
3 лесни стъпки за извършване на намаляване на размерността с помощта на анализ на основните компоненти (PCA)
Изпълнението на PCA алгоритъма два пъти е най-ефективният начин за изпълнение на PCA
Каква е размерността на набор от данни?
В контекста както на статистиката, така и на машинното обучение, размерността на набора от данни се отнася...
Намаляване на размерността „зад кулисите“: как работят най-популярните алгоритми?
Нека започнем с примерен набор от данни, съдържащ генна експресия върху здрави белодробни тъкани за 604 пациенти.
В този пример всеки ред представлява генната експресия за всеки пациент, а всяка колона представлява експресията на всеки ген при пациенти. Както можем да видим в описанието в долната част на таблицата, имаме p=16470 атрибути или функции за всеки от n=604 пациенти. Имайте предвид, че в този пример има много повече характеристики от пациентите, често срещан..
