Намаляването на размерността е обичайна техника, използвана при анализа на данни, за да се намали броят на променливите или характеристиките в набор от данни, като същевременно се запази възможно най-много информация. Има няколко метода за намаляване на размерността, но в тази статия ще се съсредоточим върху линейния дискриминантен анализ (LDA) и анализа на основните компоненти (PCA), техните концепции и разлики. Анализ на основните компоненти (PCA) PCA е неконтролиран метод за..

„Осъзнаване на големите данни“ Разопаковане на швейцарската ролка с дифузионни карти Удивителният алгоритъм за намаляване на размерността, за който може би никога не сте чували Алгоритмите за намаляване на размерността играят важна роля в инструментариума на всеки практикуващ данни. Те не само могат да се използват по време на етапа на проучване за визуализиране на данни и получаване на важни прозрения, прилагането на намаляване на размерността към набор от данни може също да..

Намалете размера на вашите данни, без да губите сигнал от тях Анализ на главните компоненти Анализът на главните компоненти (PCA) е техника за намаляване на размерността на такива набори от данни, увеличаване на интерпретируемостта, но в същото време минимизиране на загубата на информация. Това става чрез създаване на нови некорелирани променливи, които последователно увеличават дисперсията. Като цяло PCA е: Намаляване на линейната размерност с помощта на декомпозиция на..

По принцип, ако имаме огромно количество необработен набор от данни с голямо измерение, върху който да работим, най-вече имаме много непоследователни и излишни функции, които няма да са много полезни за данните, но може не само да увеличат времето за изчисление, но и да усложнят по време на проучвателния анализ на данни и обработка на данни. Това явление се нарича Проклятие на размерността. За да преодолеем този проблем, трябва да намалим/премахнем функции, които не са важни, можем да..