Daftar Isi:
Definisi - Apa yang dimaksud Pengurangan Dimensi?
Pengurangan dimensi adalah serangkaian teknik dalam pembelajaran mesin dan statistik untuk mengurangi jumlah variabel acak yang perlu dipertimbangkan. Ini melibatkan pemilihan fitur dan ekstraksi fitur. Pengurangan dimensi membuat analisis data jauh lebih mudah dan lebih cepat untuk algoritma pembelajaran mesin tanpa variabel asing untuk diproses, membuat algoritma pembelajaran mesin lebih cepat dan lebih sederhana pada gilirannya.
Techopedia menjelaskan Pengurangan Dimensi
Pengurangan dimensi mencoba untuk mengurangi jumlah variabel acak dalam data. Pendekatan K-tetangga terdekat sering digunakan. Teknik reduksi dimensi dibagi menjadi dua kategori utama: pemilihan fitur dan ekstraksi fitur.
Teknik pemilihan fitur menemukan subset yang lebih kecil dari kumpulan data banyak dimensi untuk membuat model data. Strategi utama untuk set fitur adalah filter, wrapper (menggunakan model prediktif) dan tertanam, yang melakukan pemilihan fitur saat membangun model.
Ekstraksi fitur melibatkan pengubahan data dimensi tinggi menjadi ruang dimensi yang lebih sedikit. Metode termasuk analisis komponen utama, PCA kernel, PCA kernel berbasis grafik, analisis diskriminan linier dan analisis diskriminan umum.
