Tabla de contenido:
- Definición - ¿Qué significa Reducción de dimensionalidad?
- Techopedia explica la reducción de dimensionalidad
Definición - ¿Qué significa Reducción de dimensionalidad?
La reducción de la dimensionalidad es una serie de técnicas en aprendizaje automático y estadísticas para reducir el número de variables aleatorias a considerar. Implica la selección de características y la extracción de características. La reducción de la dimensionalidad hace que el análisis de datos sea mucho más fácil y rápido para los algoritmos de aprendizaje automático sin que se procesen variables extrañas, lo que a su vez hace que los algoritmos de aprendizaje automático sean más rápidos y simples.
Techopedia explica la reducción de dimensionalidad
La reducción de dimensionalidad intenta reducir el número de variables aleatorias en los datos. A menudo se usa un enfoque de K-vecinos más cercanos. Las técnicas de reducción de dimensionalidad se dividen en dos categorías principales: selección de características y extracción de características.
Las técnicas de selección de características encuentran un subconjunto más pequeño de un conjunto de datos multidimensionales para crear un modelo de datos. Las estrategias principales para el conjunto de características son filtro, envoltura (usando un modelo predictivo) e incrustadas, que realizan la selección de características mientras se construye un modelo.
La extracción de características implica transformar datos de alta dimensión en espacios de menos dimensiones. Los métodos incluyen análisis de componentes principales, PCA de kernel, PCA de kernel basado en gráficos, análisis discriminante lineal y análisis discriminante generalizado.
