Redukcja wymiaru
Redukcja wymiaru, redukcja wymiarowości[1] (ang. dimensionality reduction, dimension reduction) w statystyce oraz uczeniu maszynowym to proces zmniejszania liczby zmiennych branych pod uwagę podczas analizy.
Redukcja wymiaru może polegać między innymi na:
- Selekcji cech (ang. feature selection) – ograniczeniu zbioru zmiennych wedle jednej lub kilku reguł.
- odrzucanie cech nadmiernie skorelowanych ze sobą
- odrzucanie cech nieistotnych statystycznie
- odrzucanie cech, które nie poprawiają wyników modelu
- odrzucanie cech według wiedzy eksperckiej
- Ekstrakcji cech (ang. feature extraction) – tworzeniu cech pochodnych z początkowego zestawu danych, w celu uzyskania mniej obszernego zbioru zmiennych, który jak najlepiej odzwierciedlać będzie zależności w danych.
Zobacz też
Przypisy
- ↑ Aurélien Géron, Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow, Krzysztof Sawka (tłum.), Wydanie II, aktualizacja do modułu TensorFlow 2, Gliwice: Helion, 2020, s. 223, ISBN 978-83-283-6002-0 [dostęp 2025-04-22].
Bibliografia
- Materiały dydaktyczne Akademii Górniczo Hutniczej w Krakowie (dostęp z dn. 10.01.2019)