ما هو تقليل الميزات في التعلم الآلي؟
ما هو تقليل الميزات في التعلم الآلي؟

فيديو: ما هو تقليل الميزات في التعلم الآلي؟

فيديو: ما هو تقليل الميزات في التعلم الآلي؟
فيديو: خوارزميات تعلم الآلة: خوارزمية تحليل المكوّن الرئيسي (تقليل الأبعاد) | PCA Algorithm 2024, يمكن
Anonim

الغرض من استخدام ملفات الحد من الميزات هو خفض عدد ال الميزات (أو المتغيرات) التي يجب على الكمبيوتر معالجتها لأداء وظيفته. تخفيض الميزة يُستخدم لتقليل عدد الأبعاد ، مما يجعل البيانات أقل ندرة وأكثر أهمية من الناحية الإحصائية بالنسبة لـ التعلم الالي التطبيقات.

وبالمثل ، قد تسأل ، ما هو تقليل الأبعاد في التعلم الآلي؟

في الإحصاء ، التعلم الالي ، ونظرية المعلومات ، تخفيض الأبعاد أو تخفيض البعد هي عملية تقليص عدد المتغيرات العشوائية قيد الدراسة بالحصول على مجموعة من المتغيرات الرئيسية. يمكن تقسيم الأساليب إلى اختيار الميزة واستخراج الميزة.

قد يتساءل المرء أيضًا ، ما هي 3 طرق لتقليل الأبعاد؟ 3. الأساليب المشتركة لتقليل الأبعاد

  • 3.1 نسبة القيمة المفقودة. افترض أنك حصلت على مجموعة بيانات.
  • 3.2 مرشح التباين المنخفض.
  • 3.3 مرشح الارتباط العالي.
  • 3.4 الغابة العشوائية.
  • 3.5 القضاء على الميزة الخلفية.
  • 3.6 تحديد الميزات إلى الأمام.
  • 3.7 تحليل العامل.
  • 3.8 تحليل المكونات الرئيسية (PCA)

بجانب ما سبق ، أي مما يلي يستلزم تقليل الميزات في التعلم الآلي؟

ال يستلزم تقليل الميزات في التعلم الآلي لا صلة لها بالموضوع ولا لزوم لها الميزات ، بيانات تدريب محدودة ، موارد حسابية محدودة. هذا التحديد تلقائي تمامًا ويحدد السمات من البيانات المرتبطة بالنمذجة التنبؤية.

ما هو استخراج الميزات في التعلم الآلي؟

ميزة استخراج هي عملية تقليل الأبعاد التي يتم من خلالها تقليل مجموعة أولية من البيانات الأولية إلى مجموعات أكثر قابلية للإدارة للمعالجة. من سمات مجموعات البيانات الكبيرة هذه عددًا كبيرًا من المتغيرات التي تتطلب الكثير من موارد الحوسبة للمعالجة.

موصى به: