| http://dbpedia.org/ontology/abstract
|
次元削減（じげんさくげん、英: Dimensionality reduction、d … 次元削減（じげんさくげん、英: Dimensionality reduction、dimension reduction）とは、高次元空間から低次元空間へデータを変換しながら、低次元表現が元データの何らかの意味ある特性を保持することである。 高次元空間でデータを扱うことは、多くの理由から望ましくない。生のデータは次元の呪いの結果、疎になることが多く、データの解析は通常、計算不可能である。 次元削減は、信号処理、音声認識、、バイオインフォマティクスなど、大量の観測値や大量の変数を扱う分野で一般的である。 次元削減の方法は一般的に線形アプローチと非線形アプローチに分けられる。また、アプローチは特徴選択とに分けられる 。次元削減は、ノイズ除去、データの可視化、クラスター分析、あるいは他の分析を容易にするための中間段階として利用されることがある。ラスター分析、あるいは他の分析を容易にするための中間段階として利用されることがある。
, La réduction de la dimensionnalité (ou réd … La réduction de la dimensionnalité (ou réduction de (la) dimension) est un processus étudié en mathématiques et en informatique, qui consiste à prendre des données dans un espace de grande dimension, et à les remplacer par des données dans un espace de plus petite dimension. Pour que l'opération soit utile il faut que les données en sortie représentent bien les données d'entrée.ie représentent bien les données d'entrée.
, En aprendizaje automático y estadística reducción de dimensionalidad o reducción de la dimensión es el proceso de reducción del número de variables aleatorias que se trate, y se puede dividir en selección de función y extracción de función.
, В статистике, машинном обучении и теории информации снижение размерности — это преобразование данных, состоящее в уменьшении числа переменных путём получения главных переменных. Преобразование может быть разделено на отбор признаков и выделение признаков.
, 차원축소(次元縮小, 영어: dimensionality reduction)는 고차원 데이터로부터, 저차원의 데이터로 변환하는 방법이다.
, У статистиці, машинному навчанні та теорії інформації зниження розмірності є процесом скорочення кількості випадкових змінних шляхом отримання множини головних змінних. Цей процес можна поділити на обирання ознак та виділяння ознак.
, La riduzione della dimensionalità, o riduz … La riduzione della dimensionalità, o riduzione della dimensione, è la trasformazione dei dati da uno spazio ad alta dimensione in uno spazio di dimensione minore, in modo che quest'ultima mantenga alcune proprietà significative dei dati originali, idealmente vicino alla sua dimensione intrinseca. Lavorare con spazi ad alta dimensionalità può essere indesiderabile per molte ragioni; i dati grezzi sono spesso sparsi come conseguenza della "maledizione della dimensionalità" e l'analisi dei dati è solitamente computazionalmente sconveniente. La riduzione della dimensionalità è comune nei campi che trattano un gran numero di osservazioni o un gran numero di variabili, come l'elaborazione del segnale, il riconoscimento vocale, la neuroinformatica e la bioinformatica. I metodi sono comunemente suddivisi in approcci lineari e non lineari. Gli approcci possono anche essere suddivisi in selezione ed estrazione delle caratteristiche. La riduzione della dimensionalità può essere utilizzata per la riduzione del rumore, la visualizzazione dei dati, l'analisi dei cluster o come passaggio intermedio per facilitare altre analisi.o intermedio per facilitare altre analisi.
, Dimensionality reduction, or dimension red … Dimensionality reduction, or dimension reduction, is the transformation of data from a high-dimensional space into a low-dimensional space so that the low-dimensional representation retains some meaningful properties of the original data, ideally close to its intrinsic dimension. Working in high-dimensional spaces can be undesirable for many reasons; raw data are often sparse as a consequence of the curse of dimensionality, and analyzing the data is usually computationally intractable (hard to control or deal with). Dimensionality reduction is common in fields that deal with large numbers of observations and/or large numbers of variables, such as signal processing, speech recognition, neuroinformatics, and bioinformatics. Methods are commonly divided into linear and nonlinear approaches. Approaches can also be divided into feature selection and feature extraction. Dimensionality reduction can be used for noise reduction, data visualization, cluster analysis, or as an intermediate step to facilitate other analyses.mediate step to facilitate other analyses.
, Redukcja wymiaru (ang. dimensionality redu … Redukcja wymiaru (ang. dimensionality reduction, dimension reduction) w statystyce oraz uczeniu maszynowym to proces zmniejszania liczby zmiennych branych pod uwagę podczas analizy. Redukcja wymiaru może polegać między innymi na:
* Selekcji cech (ang. feature selection) - ograniczeniu zbioru zmiennych wedle jednej lub kilku reguł.
* odrzucanie cech nadmiernie skorelowanych ze sobą
* odrzucanie cech nieistotnych statystycznie
* odrzucanie cech, które nie poprawiają wyników modelu
* odrzucanie cech według wiedzy eksperckiej
* Ekstrakcji cech (ang. feature extraction) - tworzeniu cech pochodnych z początkowego zestawu danych celem uzyskania mniej obszernego zbioru zmiennych, który jak najlepiej odzwierciedlać będzie zależności w danych odzwierciedlać będzie zależności w danych
, 在机器学习和统计学领域，降维是指在某些限定条件下，降低随机变量个数，得到一组“不相关”主变量的过程。 降维可进一步细分为变量选择和特征提取两大方法。
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/PCA_Projection_Illustration.gif?width=300 +
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://bioinfo-out.curie.fr/projects/elmap/ +
, https://books.google.com/books%3Fid=aXC9DwAAQBAJ&pg=PA343 +
, https://jmlr.csail.mit.edu/papers/special/feature03.html +
, https://intelligencereborn.com/MachineLearningDimensionalityReduction.html +
, http://citeseerx.ist.psu.edu/viewdoc/summary%3Fdoi=10.1.1.98.1478 +
, http://citeseerx.ist.psu.edu/viewdoc/versions%3Fdoi=10.1.1.8.5098 +
, https://web.archive.org/web/20040411051530/http:/isomap.stanford.edu/ +
, https://cs.nyu.edu/~roweis/lle/ +
|
| http://dbpedia.org/ontology/wikiPageID
|
579867
|
| http://dbpedia.org/ontology/wikiPageLength
|
21666
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1121153105
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Weighted_correlation_network_analysis +
, http://dbpedia.org/resource/Linear_discriminant_analysis +
, http://dbpedia.org/resource/Data_transformation_%28statistics%29 +
, http://dbpedia.org/resource/Category:Machine_learning +
, http://dbpedia.org/resource/International_Conference_on_Very_Large_Data_Bases +
, http://dbpedia.org/resource/Statistical_classification +
, http://dbpedia.org/resource/Mutual_information +
, http://dbpedia.org/resource/Multilinear_subspace_learning +
, http://dbpedia.org/resource/Regression_analysis +
, http://dbpedia.org/resource/Methods_of_detecting_exoplanets +
, http://dbpedia.org/resource/Principal_component_analysis +
, http://dbpedia.org/resource/Feedforward_neural_network +
, http://dbpedia.org/resource/Hyperparameter_optimization +
, http://dbpedia.org/resource/Category:Dimension_reduction +
, http://dbpedia.org/resource/Autoencoder +
, http://dbpedia.org/resource/Feature_selection +
, http://dbpedia.org/resource/Local_tangent_space_alignment +
, http://dbpedia.org/resource/Kernel_trick +
, http://dbpedia.org/resource/Maximally_informative_dimensions +
, http://dbpedia.org/resource/Cluster_analysis +
, http://dbpedia.org/resource/Intrinsic_dimension +
, http://dbpedia.org/resource/Isomap +
, http://dbpedia.org/resource/Embedding +
, http://dbpedia.org/resource/Random_projection +
, http://dbpedia.org/resource/Sammon_mapping +
, http://dbpedia.org/resource/Riemannian_metric +
, http://dbpedia.org/resource/Matrix_%28mathematics%29 +
, http://dbpedia.org/resource/Noise_reduction +
, http://dbpedia.org/resource/Feature_extraction +
, http://dbpedia.org/resource/Eigenvalues_and_eigenvectors +
, http://dbpedia.org/resource/Tensor_representation +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/Bioinformatics +
, http://dbpedia.org/resource/Restricted_Boltzmann_machine +
, http://dbpedia.org/resource/Speech_recognition +
, http://dbpedia.org/resource/Information_gain_in_decision_trees +
, http://dbpedia.org/resource/Maximum_variance_unfolding +
, http://dbpedia.org/resource/Kernel_principal_component_analysis +
, http://dbpedia.org/resource/Locally_connected +
, http://dbpedia.org/resource/T-distributed_stochastic_neighbor_embedding +
, http://dbpedia.org/resource/Riemannian_manifold +
, http://dbpedia.org/resource/Sufficient_dimension_reduction +
, http://dbpedia.org/resource/Manifold_learning +
, http://dbpedia.org/resource/Signal_processing +
, http://dbpedia.org/resource/Circumstellar_disc +
, http://dbpedia.org/resource/Multidimensional_scaling +
, http://dbpedia.org/resource/Johnson%E2%80%93Lindenstrauss_lemma +
, http://dbpedia.org/resource/Data_analysis +
, http://dbpedia.org/resource/MinHash +
, http://dbpedia.org/resource/Data_visualization +
, http://dbpedia.org/resource/Topological_data_analysis +
, http://dbpedia.org/resource/Singular_value_decomposition +
, http://dbpedia.org/resource/Backpropagation +
, http://dbpedia.org/resource/Support-vector_machine +
, http://dbpedia.org/resource/Neuroscience +
, http://dbpedia.org/resource/Nearest_neighbor_search +
, http://dbpedia.org/resource/Feature_%28machine_learning%29 +
, http://dbpedia.org/resource/Sparse_matrix +
, http://dbpedia.org/resource/Locality-sensitive_hashing +
, http://dbpedia.org/resource/Digital_image_processing +
, http://dbpedia.org/resource/Canonical_correlation_analysis +
, http://dbpedia.org/resource/Nonlinear_dimensionality_reduction +
, http://dbpedia.org/resource/Neuroinformatics +
, http://dbpedia.org/resource/Covariance +
, http://dbpedia.org/resource/Semantic_mapping_%28statistics%29 +
, http://dbpedia.org/resource/K-nearest_neighbors_algorithm +
, http://dbpedia.org/resource/File:PCA_Projection_Illustration.gif +
, http://dbpedia.org/resource/Uniform_manifold_approximation_and_projection +
, http://dbpedia.org/resource/Locally_linear_embedding +
, http://dbpedia.org/resource/File:LDA_Projection_Illustration_01.gif +
, http://dbpedia.org/resource/CUR_matrix_approximation +
, http://dbpedia.org/resource/Time_series +
, http://dbpedia.org/resource/Non-negative_matrix_factorization +
, http://dbpedia.org/resource/High-dimensional_space +
, http://dbpedia.org/resource/Multifactor_dimensionality_reduction +
, http://dbpedia.org/resource/Diffusion_map +
, http://dbpedia.org/resource/Semidefinite_embedding +
, http://dbpedia.org/resource/Correlation_and_dependence +
, http://dbpedia.org/resource/Computational_complexity_theory +
, http://dbpedia.org/resource/Semidefinite_programming +
, http://dbpedia.org/resource/Curse_of_dimensionality +
, http://dbpedia.org/resource/Latent_semantic_analysis +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Authority_control +
, http://dbpedia.org/resource/Template:Citation_needed +
, http://dbpedia.org/resource/Template:Div_col +
, http://dbpedia.org/resource/Template:Div_col_end +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:For +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Cite_techreport +
, http://dbpedia.org/resource/Template:Cite_book +
, http://dbpedia.org/resource/Template:Main +
, http://dbpedia.org/resource/Template:See_also +
, http://dbpedia.org/resource/Template:Recommender_systems +
, http://dbpedia.org/resource/Template:Clear +
, http://dbpedia.org/resource/Template:Refend +
, http://dbpedia.org/resource/Template:Refbegin +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Machine_learning +
, http://dbpedia.org/resource/Category:Dimension_reduction +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Process +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Dimensionality_reduction?oldid=1121153105&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/LDA_Projection_Illustration_01.gif +
, http://commons.wikimedia.org/wiki/Special:FilePath/PCA_Projection_Illustration.gif +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Dimensionality_reduction +
|
| owl:sameAs |
http://dbpedia.org/resource/Dimensionality_reduction +
, http://fa.dbpedia.org/resource/%DA%A9%D8%A7%D9%87%D8%B4_%D8%A7%D8%A8%D8%B9%D8%A7%D8%AF +
, http://fr.dbpedia.org/resource/R%C3%A9duction_de_la_dimensionnalit%C3%A9 +
, http://tr.dbpedia.org/resource/Boyut_indirgeme +
, http://d-nb.info/gnd/4224279-4 +
, http://he.dbpedia.org/resource/%D7%94%D7%95%D7%A8%D7%93%D7%AA_%D7%9E%D7%9E%D7%93 +
, https://global.dbpedia.org/id/b3ui +
, http://es.dbpedia.org/resource/Reducci%C3%B3n_de_dimensionalidad +
, http://zh.dbpedia.org/resource/%E9%99%8D%E7%BB%B4 +
, http://ru.dbpedia.org/resource/%D0%A1%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8 +
, http://vi.dbpedia.org/resource/Gi%E1%BA%A3m_chi%E1%BB%81u_d%E1%BB%AF_li%E1%BB%87u +
, http://uk.dbpedia.org/resource/%D0%97%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%BD%D1%8F_%D1%80%D0%BE%D0%B7%D0%BC%D1%96%D1%80%D0%BD%D0%BE%D1%81%D1%82%D1%96 +
, http://ja.dbpedia.org/resource/%E6%AC%A1%E5%85%83%E5%89%8A%E6%B8%9B +
, http://rdf.freebase.com/ns/m.02s1_8 +
, http://pl.dbpedia.org/resource/Redukcja_wymiaru +
, http://www.wikidata.org/entity/Q16000077 +
, http://it.dbpedia.org/resource/Riduzione_della_dimensionalit%C3%A0 +
, http://ko.dbpedia.org/resource/%EC%B0%A8%EC%9B%90_%EC%B6%95%EC%86%8C_%28%ED%86%B5%EA%B3%84%ED%95%99%29 +
|
| rdf:type |
http://dbpedia.org/ontology/Election +
|
| rdfs:comment |
У статистиці, машинному навчанні та теорії інформації зниження розмірності є процесом скорочення кількості випадкових змінних шляхом отримання множини головних змінних. Цей процес можна поділити на обирання ознак та виділяння ознак.
, В статистике, машинном обучении и теории информации снижение размерности — это преобразование данных, состоящее в уменьшении числа переменных путём получения главных переменных. Преобразование может быть разделено на отбор признаков и выделение признаков.
, En aprendizaje automático y estadística reducción de dimensionalidad o reducción de la dimensión es el proceso de reducción del número de variables aleatorias que se trate, y se puede dividir en selección de función y extracción de función.
, Dimensionality reduction, or dimension red … Dimensionality reduction, or dimension reduction, is the transformation of data from a high-dimensional space into a low-dimensional space so that the low-dimensional representation retains some meaningful properties of the original data, ideally close to its intrinsic dimension. Working in high-dimensional spaces can be undesirable for many reasons; raw data are often sparse as a consequence of the curse of dimensionality, and analyzing the data is usually computationally intractable (hard to control or deal with). Dimensionality reduction is common in fields that deal with large numbers of observations and/or large numbers of variables, such as signal processing, speech recognition, neuroinformatics, and bioinformatics.ion, neuroinformatics, and bioinformatics.
, 在机器学习和统计学领域，降维是指在某些限定条件下，降低随机变量个数，得到一组“不相关”主变量的过程。 降维可进一步细分为变量选择和特征提取两大方法。
, La riduzione della dimensionalità, o riduz … La riduzione della dimensionalità, o riduzione della dimensione, è la trasformazione dei dati da uno spazio ad alta dimensione in uno spazio di dimensione minore, in modo che quest'ultima mantenga alcune proprietà significative dei dati originali, idealmente vicino alla sua dimensione intrinseca. Lavorare con spazi ad alta dimensionalità può essere indesiderabile per molte ragioni; i dati grezzi sono spesso sparsi come conseguenza della "maledizione della dimensionalità" e l'analisi dei dati è solitamente computazionalmente sconveniente. La riduzione della dimensionalità è comune nei campi che trattano un gran numero di osservazioni o un gran numero di variabili, come l'elaborazione del segnale, il riconoscimento vocale, la neuroinformatica e la bioinformatica., la neuroinformatica e la bioinformatica.
, 次元削減（じげんさくげん、英: Dimensionality reduction、d … 次元削減（じげんさくげん、英: Dimensionality reduction、dimension reduction）とは、高次元空間から低次元空間へデータを変換しながら、低次元表現が元データの何らかの意味ある特性を保持することである。 高次元空間でデータを扱うことは、多くの理由から望ましくない。生のデータは次元の呪いの結果、疎になることが多く、データの解析は通常、計算不可能である。 次元削減は、信号処理、音声認識、、バイオインフォマティクスなど、大量の観測値や大量の変数を扱う分野で一般的である。 次元削減の方法は一般的に線形アプローチと非線形アプローチに分けられる。また、アプローチは特徴選択とに分けられる 。次元削減は、ノイズ除去、データの可視化、クラスター分析、あるいは他の分析を容易にするための中間段階として利用されることがある。ラスター分析、あるいは他の分析を容易にするための中間段階として利用されることがある。
, Redukcja wymiaru (ang. dimensionality reduction, dimension reduction) w statystyce oraz uczeniu maszynowym to proces zmniejszania liczby zmiennych branych pod uwagę podczas analizy. Redukcja wymiaru może polegać między innymi na:
, La réduction de la dimensionnalité (ou réd … La réduction de la dimensionnalité (ou réduction de (la) dimension) est un processus étudié en mathématiques et en informatique, qui consiste à prendre des données dans un espace de grande dimension, et à les remplacer par des données dans un espace de plus petite dimension. Pour que l'opération soit utile il faut que les données en sortie représentent bien les données d'entrée.ie représentent bien les données d'entrée.
, 차원축소(次元縮小, 영어: dimensionality reduction)는 고차원 데이터로부터, 저차원의 데이터로 변환하는 방법이다.
|
| rdfs:label |
Снижение размерности
, Riduzione della dimensionalità
, 차원 축소 (통계학)
, 降维
, Réduction de la dimensionnalité
, Reducción de dimensionalidad
, Redukcja wymiaru
, 次元削減
, Dimensionality reduction
, Зниження розмірності
|
| rdfs:seeAlso |
http://dbpedia.org/resource/Combinatorial_optimization +
|
