Kas ir funkciju samazināšana mašīnmācībā?
Kas ir funkciju samazināšana mašīnmācībā?

Video: Kas ir funkciju samazināšana mašīnmācībā?

Video: Kas ir funkciju samazināšana mašīnmācībā?
Video: Machine Learning - Dimensionality Reduction - Feature Extraction & Selection 2024, Aprīlis
Anonim

Lietošanas mērķis funkciju samazināšana ir uz samazināt skaits Iespējas (vai mainīgie), kas datoram jāapstrādā, lai veiktu savu funkciju. Funkciju samazināšana tiek izmantots, lai samazinātu dimensiju skaitu, padarot datus mazāk retus un statistiski nozīmīgākus mašīnmācība lietojumprogrammas.

Tāpat jūs varat jautāt, kas ir mašīnmācības dimensijas samazināšana?

Statistikā, mašīnmācība un informācijas teorija, izmēru samazināšana vai izmēru samazināšana ir process samazinot aplūkojamo gadījuma lielumu skaits, iegūstot galveno mainīgo kopu. Pieejas var iedalīt pazīmju atlasē un iezīmju ieguvē.

Var arī jautāt, kādi ir 3 dimensijas samazināšanas veidi? 3. Kopējās dimensiju samazināšanas metodes

  • 3.1. Trūkst vērtības koeficients. Pieņemsim, ka jums ir dota datu kopa.
  • 3.2. Zemas dispersijas filtrs.
  • 3.3 Augstas korelācijas filtrs.
  • 3.4. Random Forest.
  • 3.5. Atpakaļējo funkciju izslēgšana.
  • 3.6. Pārsūtīt līdzekļa izvēli.
  • 3.7. Faktoru analīze.
  • 3.8. Galveno komponentu analīze (PCA)

Papildus iepriekš minētajam, kuram no tālāk norādītajiem ir nepieciešams mašīnmācības funkciju samazināšana?

The Mašīnmācībā ir nepieciešams samazināt funkcijas ir nebūtiski un lieki Iespējas , Ierobežoti apmācību dati, Ierobežoti skaitļošanas resursi. Šī atlase ir pilnībā automātiska, un tā atlasa atribūtus no datiem, kas ir saistīti ar paredzamo modelēšanu.

Kas ir funkciju iegūšana mašīnmācībā?

Funkciju izvilkšana ir dimensiju samazināšanas process, ar kuru sākotnējā neapstrādāto datu kopa tiek reducēta uz vieglāk pārvaldāmām grupām apstrādei. Šo lielo datu kopu īpašība ir liels skaits mainīgo, kuru apstrādei ir nepieciešams daudz skaitļošanas resursu.

Ieteicams: