- ¿Qué algoritmos de aprendizaje automático se usan para la reducción de la dimensionalidad??
- ¿Cuáles son las 3 formas de reducir la dimensionalidad??
- ¿Cuál es el algoritmo de reducción de dimensionalidad más popular??
¿Qué algoritmos de aprendizaje automático se usan para la reducción de la dimensionalidad??
Análisis de componentes principales (PCA)
En el contexto del aprendizaje automático (ML), PCA es un algoritmo de aprendizaje automático no supervisado que se utiliza para la reducción de la dimensionalidad.
¿Cuáles son las 3 formas de reducir la dimensionalidad??
3 nuevas técnicas para la reducción de la dimensionalidad de datos en el aprendizaje automático. Los autores identifican tres técnicas para reducir la dimensionalidad de los datos, todos los cuales podrían ayudar a acelerar el aprendizaje automático: análisis discriminante lineal (LDA), autoencodificación neural y incrustación de vecino estocástico en T (T-SNE).
¿Cuál es el algoritmo de reducción de dimensionalidad más popular??
El análisis de componentes principales, o PCA, podría ser la técnica más popular para la reducción de la dimensionalidad con datos densos (pocos valores cero).