dimenziócsökkentést

A dimenziócsökkentés olyan adatelemzési és gépi tanulási technika, amely csökkenti a vizsgált adatok változóinak, vagyis dimenzióinak számát. Ennek célja lehet a számítási teljesítmény javítása, a felesleges információk kiszűrése, a zaj csökkentése vagy az adatok jobb vizualizációja. A dimenziócsökkentés két fő típusa létezik: a jellemzők kiválasztása és a jellemzők kinyerése.

A jellemzők kiválasztása során a legfontosabbnak ítélt változókat hagyjuk meg, míg a többit elvetjük. Ez a módszer egyszerű és könnyen értelmezhető, mivel az eredeti változókat használja. Különböző szempontok alapján történhet a kiválasztás, például statisztikai tesztek vagy a modell teljesítményének javítása alapján.

A jellemzők kinyerése ezzel szemben új, kevesebb dimenzióból álló változókat hoz létre az eredeti változók kombinálásával. Ezek az új változók, vagy "komponensek", az eredeti adatok információtartalmának nagy részét magukba foglalják. A leggyakoribb eljárások közé tartozik a főkomponens-analízis (PCA) és a lineáris diszkriminanciaanalízis (LDA). A PCA például a variancia maximalizálására törekszik az új dimenziók mentén, míg az LDA a minták közötti különbségtételt igyekszik maximalizálni. A dimenziócsökkentés alapvető fontosságú lehet nagy dimenziójú adathalmazok kezelésében.