Dimensionsreduktion: särdragsextraktion

Öva på maskininlärningsintervjufrågor i Python

Lisa Stuart

Data Scientist

Oövervakade inlärningsmetoder

PCA-diagram

Särdragsurval

¹ https://slideplayer.com/slide/9699240/ ² https://www.analyticsvidhya.com/blog/2016/03/practical-guide-principal-component-analysis-python/

Diagram: dimensionalitet kontra prestanda

¹ https://www.visiondummy.com/2014/04/curse-dimensionality-affect-classification/

1-dimensionellt sökrum

2-dimensionellt sökrum

3-dimensionellt sökrum

PCA-diagram för Iris

PCA
- Samband mellan X och y
- Beräknas genom att hitta principalaxlar
- Translaterar, roterar och skalar
- Lägredimensionell projektion av data

¹ https://scikit-learn.org/stable/modules/decomposition.html

SVD-diagram för Iris

SVD
- Linjär algebra och vektorkalkyl
- Bryter ned datamatrisen i tre matriser
- Ger upphov till "singulära" värden
- Variansen i data är ungefär lika med summan av kvadrerade singulära värden

¹ https://galaxydatatech.com/2018/07/15/singular-value-decomposition/

Funktion/metod	returnerar
`sklearn.decomposition.PCA`	principalkomponentanalys
`sklearn.decomposition.TruncatedSVD`	singulärvärdesnedbrytning
`PCA/SVD.fit_transform(X)`	anpassar och transformerar data
`PCA/SVD.explained_variance_ratio_`	varians förklarad av PC:er

Öva på maskininlärningsintervjufrågor i Python