على عكس PCA، أحد تقنيات تقليل الأبعاد الشائعة الاستخدام، فإن tSNE هي تقنية غير خطية واحتمالية. ما يعنيه هذا أن tSNE يمكنه التقاط نمط غير خطي في البيانات. نظرًا لأنه احتمالي، فقد لا تحصل على نفس النتيجة لنفس البيانات.
الكاتب: حسن خنفري
تستخدم تحليل العنصر الرئيسي للنواة (Kernel PCA) دالة نواه (kernel) لعرض مجموعة البيانات في مساحة ميزة ذات أبعاد أعلى، حيث يمكن فصلها خطيًا. إنه مشابه لفكرة الآله المتجهات الداعمة (Support Vector Machine).
يحتوي تحليل القيمة المنفردة (Singular Value Decomposition) أو SVD على مجموعة واسعة من التطبيقات. يتضمن ذلك تقليل الأبعاد وضغط الصورة وتقليل الضوضاء.
يتم استخدام تحليل التمييز الخطي (LDA) لنمذجة الاختلافات في المجموعات، بعبارة اخرى، لفصل فئتين أو أكثر. ويتم استخدامه لإبراز الخصائص في مساحة ذات أبعاد أعلى في مساحة ذات أبعاد أقل.
التحلیل العاملي (Factor Analysis) هو جزء من عملية تحليل البيانات الاستكشافية التي تستخدم عادة لطريقة تخفیض الأبعاد. هو نموذج خطي ويستخدم لشرح المتغيرات في المتغيرات المرصودة والمترابطة ويكثف المتغيرات إلى مجموعة أصغر تسمى العوامل.
تحليل العنصر الرئيسي (PCA) هو إجراء إحصائي يستخدم لتخفیض الأبعاد. يستخدم تحويلًا متعامدًا لتحويل مجموعة من الملاحظات للمتغيرات المرتبطة المحتملة إلى مجموعة من مقادیر المتغيرات غير المرتبطة خطيًا یسمى العناصر الأساسية.
المقدمة على قرار الحذف العكسي، حتى هنا لدينا بعض الخطوات التي يجب اتباعها. سنذهب واحدًا […]
المقدمه عندما نبني نموذجًا للتعلم الآلي، من المهم جدًا أن نختار فقط تلك الخصائص أو […]
ملخص تخفیض الأبعاد (dimensionality reduction) هو أسلوب من اسالیب التعلم بدون الإشراف. ومع ذلك، يمكن […]
الغابة العشوائية هي خوارزمية التعلم الآلي الشائعة تنتمي إلى تقنية التعلم بلإشراف. يمكن استخدامه لكل […]
- 1
- 2
السلة