Proiecția aleatoare
Proiecția aleatoare reduce dimensionalitatea prin înmulțirea datelor cu o matrice aleatoare, bazându-se pe lema lui Johnson-Lindenstrauss (1984), care garantează că proiectarea pe suficiente direcții aleatoare aproximează păstrarea tuturor distanțelor pereche. Spre deosebire de PCA, aceasta nu analizează deloc datele — proiecția este aleatoare și independentă de date — făcând-o extrem de ieftină și potrivită pentru date cu dimensionalitate foarte înaltă și pentru scenarii de streaming sau sensibile la confidențialitate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Random Projection (Johnson-Lindenstrauss Dimensionality Reduction). ScholarGate. https://scholargate.app/ro/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.
- Îmbinarea Liniară Locală (LLE)Învățare automată↔ compare
- Completarea matricialăÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →