आयामीता में कमी

It fights the 'curse of dimensionality,' speeds up models, and lets you actually visualize complex data in 2D or 3D.

वास्तविक डेटासेट में अक्सर सैकड़ों या हजारों विशेषताएं होती हैं: एक छवि में प्रत्येक पिक्सेल, एक शब्दावली में प्रत्येक शब्द, एक मशीन पर प्रत्येक सेंसर। ऐसे उच्च-आयामी स्थानों में, डेटा बिंदु विरल और दूर-दूर हो जाते हैं, दूरी माप अविश्वसनीय हो जाते हैं, और मॉडल शोर से अधिक हो जाते हैं। यह आयामीता का अभिशाप है. आयामीता में कमी सार्थक संबंधों को संरक्षित करते हुए डेटा को बहुत कम आयामों में मैप करती है। पीसीए सबसे बड़े विचरण की दिशाएँ ज्ञात करके इसे रैखिक रूप से करता है। टी-एसएनई और यूएमएपी नॉनलाइनियर हैं और विज़ुअलाइज़ेशन के लिए क्लस्टर प्रकट करने में उत्कृष्ट हैं। आयामों को कम करने से अनावश्यक या शोर वाली विशेषताएं दूर हो जाती हैं, मेमोरी और गणना में कटौती होती है, और अक्सर डाउनस्ट्रीम मॉडल की सटीकता में सुधार होता है क्योंकि इसे भ्रमित करने के लिए कम अप्रासंगिक संकेत होते हैं।