کاهش ابعاد: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
ویژگی پیوندهای پیشنهادی: ۶ پیوند افزوده شد.
تنسور به تانسور
خط ۱۸:
== استخراج ویژگی ==
[[استخراج ویژگی]] داده‌ها را در فضای با ابعاد بزرگ به یک فضای ابعاد کمتر تبدیل می‌کند. تحول داده‌ها می‌تواند خطی باشد، همان‌طور که در تجزیه و [[تحلیل مؤلفه‌های اصلی|تحلیل مولفه اصلی]] (PCA)، اما بسیاری از تکنیک‌های کاهش اندازه غیر خطی نیز وجود دارد.<ref>Samet, H. (2006) ''Foundations of Multidimensional and Metric Data Structures''. Morgan Kaufmann. {{ISBN|0-12-369446-9}}</ref><ref>C. Ding, X. He, H. Zha, H.D. Simon, Adaptive Dimension Reduction for Clustering High Dimensional Data, Proceedings of International Conference on Data Mining, 2002</ref>
برای داده‌های چند بعدی، نمایندگی [[تنسورتانسور]] را می‌توان در کاهش ابعاد از طریق یادگیری زیر فضای چند لاین استفاده کرد.<ref name="MSLsurvey">{{cite journal|url=http://www.dsp.utoronto.ca/~haiping/Publication/SurveyMSL_PR2011.pdf|title=A Survey of Multilinear Subspace Learning for Tensor Data|last=Lu|first=Haiping|last2=Plataniotis|first2=K.N.|journal=Pattern Recognition|doi=10.1016/j.patcog.2011.01.004|year=2011|volume=44|pages=1540–1551|last3=Venetsanopoulos|first3=A.N.|number=7}}</ref>
 
=== تجزیه تحلیل مولفه اصلی (PCA) ===