machine-learning - 降维是什么意思？

Question

降维到底意味着什么？

我搜索了它的含义，我发现它意味着将原始数据转换为更有用的形式。那么，拥有有用形式的数据有什么好处，我的意思是如何在实际生活(应用程序)中使用它？

Answer 1

降维是将非常高维度的数据转换为低维度的数据，以便每个较低的维度传达更多的信息。

这通常是在解决机器学习问题时完成的，以便为分类或回归任务获得更好的特征。

这是一个人为的示例 - 假设您有 100 部电影和 1000 个人的列表，对于每个人，您知道他们是否喜欢或不喜欢这 100 部电影中的每一部电影。因此，对于每个实例(在本例中指的是每个人)，您都有一个长度为 100 的二进制向量 [如果该人不喜欢第 i 部电影，则位置 i 为 0，否则为 1]。
您可以直接在这些向量上执行机器学习任务。但是您可以决定 5 种电影类型，并使用您已有的数据，找出该人是否喜欢或不喜欢整个类型，从而减少您的数据从大小为 100 的向量变为大小为 5 的向量 [如果该人喜欢流派 i，则位置 i 为 1]

长度为 5 的向量可以被认为是长度为 100 的向量的良好代表，因为大多数人可能只喜欢他们喜欢的类型的电影。

但是，它不会是一个确切的代表，因为在某些情况下，一个人可能会讨厌除某一类型之外的所有电影。

重点是，简化的向量传达了较大向量中的大部分信息，同时消耗的空间少得多，计算速度更快。