Projekcia pomocou náhodných smerov
Projekcia pomocou náhodných smerov redukuje dimenzionalitu násobením dát náhodnou maticou, pričom sa opiera o lemu Johnsona-Lindenstraussa (1984), ktorá zaručuje, že projekcia do dostatočného počtu náhodných smerov približne zachováva všetky párové vzdialenosti. Na rozdiel od PCA (analýza hlavných komponentov) vôbec neanalyzuje dáta — projekcia je náhodná a nezávislá od dát — čo ju robí extrémne lacnou a vhodnou pre dáta s veľmi vysokou dimenzionalitou a pre prúdové alebo na súkromie citlivé nastavenia.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). Random Projection (Johnson-Lindenstrauss Dimensionality Reduction). ScholarGate. https://scholargate.app/sk/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.
- Lokálne lineárne vloženie (LLE)Strojové učenie↔ compare
- Dokončovanie matícStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →