Véletlen projekció
A véletlen projekció a dimenziócsökkentés egy olyan módja, amely során az adatokat egy véletlen mátrixszal szorozzuk meg, a Johnson-Lindenstrauss-lemmára (1984) támaszkodva, amely garantálja, hogy elegendő véletlen irányba történő projekcióval az összes páronkénti távolság közelítőleg megőrizhető. A PCA-val ellentétben ez egyáltalán nem elemezni az adatokat – a projekció véletlenszerű és adatfüggetlen –, ami rendkívül olcsóvá és alkalmassá teszi nagyon nagy dimenziójú adatokra, valamint stream-adatokra vagy adatvédelmi szempontból érzékeny helyzetekre.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Random Projection (Johnson-Lindenstrauss Dimensionality Reduction). ScholarGate. https://scholargate.app/hu/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.
- Helyi lineáris beágyazás (LLE)Gépi tanulás↔ compare
- MátrixkomplecióGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →