Projecció aleatòria
La projecció aleatòria redueix la dimensionalitat multiplicant les dades per una matriu aleatòria, basant-se en el lema de Johnson-Lindenstrauss (1984), que garanteix que la projecció en prou direccions aleatòries preserva aproximadament totes les distàncies per parells. A diferència de l'ACP, no analitza gens les dades —la projecció és aleatòria i independent de les dades—, cosa que la fa extremadament econòmica i adequada per a dades d'alta dimensionalitat i entorns de flux continu o sensibles a la privadesa.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Johnson, W. B., & Lindenstrauss, J. (1984). Extensions of Lipschitz mappings into a Hilbert space. Contemporary Mathematics, 26, 189–206. DOI: 10.1090/conm/026/737400 ↗
- Achlioptas, D. (2003). Database-friendly random projections: Johnson-Lindenstrauss with binary coins. Journal of Computer and System Sciences, 66(4), 671–687. DOI: 10.1016/S0022-0000(03)00025-4 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Random Projection (Johnson-Lindenstrauss Dimensionality Reduction). ScholarGate. https://scholargate.app/ca/machine-learning/random-projection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Ajustament Localment Lineal (LLE)Aprenentatge automàtic↔ compare
- Completament de matriusAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →