PCA avant le réseau neuronal

1. Le réseau neuronal a-t-il besoin de PCA?
2. Quand ne devriez-vous pas faire du PCA?
3. Pourquoi l'ACP est-elle utilisée comme étape de prétraitement avant la régression?
4. Pouvons-nous utiliser PCA avec CNN?

Le réseau neuronal a-t-il besoin de PCA?

En principe, la transformation linéaire effectuée par l'ACP peut être effectuée aussi bien par les poids de couche d'entrée du réseau neuronal, donc il n'est pas à proprement parler nécessaire.

Quand ne devriez-vous pas faire du PCA?

Bien qu'il soit techniquement possible d'utiliser le PCA sur des variables discrètes, ou des variables catégorielles qui ont été une variable codée chaude, vous ne devriez pas. Autrement dit, si vos variables n'appartiennent pas à un plan de coordonnées, alors ne leur appliquez pas PCA.

Pourquoi l'ACP est-elle utilisée comme étape de prétraitement avant la régression?

Lorsque PCA est utilisé dans le cadre du prétraitement, l'algorithme est appliqué à: Réduire le nombre de dimensions dans l'ensemble de données de formation. Définissez les données. Parce que PCA est calculé en trouvant les composants qui expliquent la plus grande variance, il capture le signal dans les données et omet le bruit.

Pouvons-nous utiliser PCA avec CNN?

PCA est d'abord appliqué aux deux ensembles de données pour réaliser la dimensionnalité. Les ensembles de données compressés sont utilisés pour former les modèles 2D-CNN et 3D-CNN. Les modèles formés sont ensuite utilisés pour classer les échantillons de test.