Публикации по теме 'principal-component'
Расшифровка анализа главных компонентов
Как справиться с проклятием размерности
Авторы: Вайшнави Малхотра и Неда Золактаф
В машинном обучении нам часто приходится иметь дело с многомерными данными. Но не все функции, которые мы используем в нашей модели, на самом деле могут не быть связаны с переменной ответа. Добавление многих функций в надежде, что наша модель будет лучше учиться и давать точные результаты, часто приводит к проблеме, которую мы обычно называем « проклятием размерности », в котором говорится:
По..
Анализ главных компонентов (PCA)
Когда мы начинаем изучать что-то новое, мы обычно пугаемся ужасных модных словечек. Итак, давайте разберемся с анализом основных компонентов (PCA) простыми словами, используя полную терминологию.
Итак, начнем с его использования.
Анализ основных компонентов просто используется для преобразования ваших данных более высокого измерения в более низкое измерение. Давайте рассмотрим, что ваши данные имеют n-размерность, и из-за очень больших размерностей очень сложно получить правильные и..
Основные компоненты или факторный анализ?
Должен ли я использовать в своей работе анализ основных компонентов (PCA) или исследовательский факторный анализ (EFA)? Это распространенный вопрос, с которым регулярно сталкиваются аналитики, работающие с многомерными данными, например социологи, исследователи потребителей или инженеры.
В этой статье я поделюсь своим любимым примером для объяснения ключевого различия между PCA и EFA. Это различие открывает дверь для объяснения других важных различий и полезно при выяснении того, какой..
Анализ главных компонентов: потеря минимума информации при уменьшении размеров
Анализ главных компонентов: потеря минимума информации при уменьшении размеров
В этом мире растущего объема данных мы постоянно ищем оптимальные способы хранения огромных данных, которые могут существовать в многомерном пространстве, и сжатия или уменьшения их, чтобы они поместились в доступное пространство для хранения. Однако мы надеемся не потерять много информации при попытке уменьшить или сжать исходные данные.
Скажем, у нас есть следующие точки данных, распределенные в..
Понимание анализа главных компонентов (PCA) на практике
Пошаговая теория и реализация PCA
Анализ основных компонентов — один из самых популярных методов повышения производительности алгоритма машинного обучения, который обрабатывает большое количество данных и функций. Тем не менее, иногда PCA может быть слишком сложным, слишком техническим или даже слишком утомительным, чтобы правильно понять основные принципы, поэтому я решил написать эту статью, в которой практически сформулирован каждый шаг и которая легко усваивается новичками...
Понимание математики, лежащей в основе уменьшения размеров при распознавании лиц (2)
Прочтите мои доказательства для начинающих, чтобы изучить применение линейной алгебры
В последней статье этой серии нашей целью было сохранить всю вариативность пространства лица. В качестве компромисса нам по-прежнему нужно было включать измерения с относительно небольшими отклонениями, что увеличивало вычислительную сложность. Если мы готовы пожертвовать незначительной потерей дисперсии в обмен на значительный выигрыш в вычислительной эффективности, мы можем дополнительно..
Риски и меры предосторожности при применении PCA для задач контролируемого обучения
Соавторы: Амлан Джоти Дас , Сай Ясвантх
Пространство больших измерений и его проклятие
Проклятие размерности - очень важная проблема при работе с реальными наборами данных, которые, как правило, являются данными более высокой размерности. По мере увеличения размерности пространства признаков количество конфигураций может расти экспоненциально, и, таким образом, количество конфигураций, охватываемых наблюдением, уменьшается.
В таком сценарии анализ главных компонентов играет..