- Quel algorithmes d'apprentissage automatique est utilisé pour la réduction de la dimensionnalité?
- Quelles sont les 3 façons de réduire la dimensionnalité?
- Quel est l'algorithme de réduction de la dimensionnalité le plus populaire?
Quel algorithmes d'apprentissage automatique est utilisé pour la réduction de la dimensionnalité?
Analyse des composants principaux (PCA)
Dans le contexte de l'apprentissage automatique (ML), l'ACP est un algorithme d'apprentissage automatique non supervisé qui est utilisé pour la réduction de la dimensionnalité.
Quelles sont les 3 façons de réduire la dimensionnalité?
3 nouvelles techniques de réduction de la dimensionnalité des données de l'apprentissage automatique. Les auteurs identifient trois techniques pour réduire la dimensionnalité des données, qui pourraient tous aider à accélérer l'apprentissage automatique: analyse discriminante linéaire (LDA), encodage neuronal et en T.
Quel est l'algorithme de réduction de la dimensionnalité le plus populaire?
L'analyse des composants principaux, ou PCA, pourrait être la technique la plus populaire pour la réduction de la dimensionnalité avec des données denses (quelques valeurs nulles).