|
Asosiy komponentni tahlil qilish (PCA) / SVD
|
| bet | 2/5 | | Sana | 13.01.2024 | | Hajmi | 2,07 Mb. | | #136242 |
Bog'liq Mashinali Oqitish1.2. Asosiy komponentni tahlil qilish (PCA) / SVD
Bu asosiy mashina o'rganish algoritmlaridan biridir. Sizga eng kam ma'lumotni yo'qotib, ma'lumotlarning hajmini kamaytirish imkonini beradi. Ob'ektni aniqlash, kompyuterni ko'rish, ma'lumotlarni siqish va boshqalar kabi ko'plab sohalarda qo'llaniladi. Asosiy tarkibiy qismlarni hisoblash asl ma'lumotlarning kovaryans matritsasining eigenvektorlari va eigenvallarini hisoblashda yoki ma'lumotlar matritsasining yakka qiymatli dekompozitsiyasida kamayadi.
SVD bu buyurtma qilingan qismlarni hisoblash usulidir.
Eng past kvadrat usul
Eng past kvadratlar usuli turli xil muammolarni echishda ishlatiladigan matematik usul bo'lib, ba'zi funktsiyalarni istalgan o'zgaruvchilardan chetlanish kvadratlarining miqdorini minimallashtirishga asoslangan. U haddan tashqari aniqlangan tenglamalar tizimini "echish" uchun (tenglamalar soni noma'lumlar sonidan oshib ketganda), tenglamalarning oddiy (haddan tashqari aniqlanmagan) tenglamalari tizimida echimni topish, shuningdek ba'zi bir funktsiyalarning nuqta qiymatlarini taxmin qilish uchun ishlatilishi mumkin.
Ushbu algoritmni oddiy egri / regresslarga moslash uchun foydalaning.
Cheklangan chiziqli regressiya
Eng past kvadratlar tashqi narsalar, soxta maydonlar va boshqalar bilan chalkashib ketishi mumkin.Biz ma'lumotlar bazasiga qo'ygan chiziqning o'zgarishini kamaytirish uchun cheklovlar talab qilinadi. To'g'ri echim og'irliklarni "yomon" tutmasliklarini ta'minlaydigan chiziqli regressiya modeliga mos keladi. Modellar L1 (LASSO) yoki L2 (tizma regressiyasi) yoki ikkalasi (elastik regressiya) bo'lishi mumkin
.
Ushbu algoritmni cheklangan regressiya chiziqlariga moslash uchun foydalaning, bunda haddan tashqari e'tibor bermaslik kerak.
K-o’rta usuli
B archaning sevimli nazorat qilinmaydigan klasterlash algoritmi. Vektorli ma'lumotlar bazasini hisobga olgan holda, ular orasidagi masofaga qarab nuqta klasterlarini yaratishimiz mumkin. Bu mashinalarni o'rganish algoritmlaridan biri bo'lib, u klasterlarning markazlarini ketma-ket siljitadi va keyin klasterning har bir markazi bilan nuqtalarni guruhlarga ajratadi. Kirishlar - bu yaratilishi kerak bo'lgan klasterlar soni va takroriyliklar soni.
|
| |
