dimensjonalitetsforbannelsen
Dimensjonalitetsforbannelsen er et begrep som beskriver en rekke utfordringer som oppstår når data analyseres i høydimensjonale rom. Begrepet ble myntet av Richard Bellman i 1961 i forbindelse med dynamisk programmering, og har siden blitt brukt bredt innen statistikk, maskinlæring og mønstergjenkjenning for å sette ord på de problemene høy dimensjonalitet medfører.
Årsaken ligger i at volumet og den potensielle kompleksiteten i et rom vokser raskt med antall dimensjoner.
Konsekvenser inkluderer redusert effektivitet i klassifikasjon, regresjon og clustering, høyere beregningskostnader og økt risiko for overtilpasning
Håndtering innebærer ofte dimensionalitetsreduksjon og funksjonsutvelging: PCA og andre lineære eller ikke-lineære reduksjonsteknikker, samt regularisering og
Det er viktig å merke seg at forbannelsen ikke alltid gjelder: hvis data i realiteten ligger på