Навигация:

Модуль для Снижения Размерности

Сложные объекты обычно описываются большим числом параметров. Часто бывает полезно снизить размерность описания, например, для упрощения параметризации, оптимизации и визуализации.  содержит несколько методов, покрывающих большинство вопросов снижения размерности.

Обобщенный Метод Главных Компонент (Generalized Principal Component Analysis)

Если множество объектов представлено в виде набора многомерных точек, то модуль аппроксимирует его гиперповерхностью и предоставляет пользователю методы сжатия и восстановления описания, которые позволяют:

liавтоматически репараметризовать объекты меньшим числом параметров,
liгенерировать объекты, похожие на уже заданные,
liвизуализировать внутреннюю геометрию множества объектов.

Модуль содержит несколько различных нелинейных методов снижения размерности «без учителя». При этом наиболее подходящий метод может быть выбран в зависимости от числа объектов, их размерности и величины шума в данных. Размерность сжатого описания может быть задана вручную или может быть найдена автоматически, основываясь на желаемой ошибке сжатия/восстановления.

Линейное Извлечение Переменных с «Учителем» (Supervised Linear Variable Extraction)

Данный модуль работает не только с описаниями объектов, но и с выходами (значениями, соответствующими описаниям) для них. При этом ищутся линейные комбинации исходных параметров (признаков), дающие наибольший вклад в выходную функцию.

Если множество объектов представлено как множество многомерных точек, то модуль аппроксимирует его гиперплоскостью и предоставляет методы сжатия и разжатия, которые примерно сохраняют выходы модели.

Число необходимых признаков выбирается автоматически или может быть задано пользователем без перестроения модели.

Модуль использует уникальный метод, разработанный в DATADVANCE — Вега (VEGA — Variable Extraction via Gradient Approximation).

Модуль предоставляет оценки, показывающие, какие из исходных переменных дают наибольший вклад в сжатые признаки.

Модуль может работать как с предоставленными пользователем выборками, так и генерировать подходящие выборки, если пользователь предоставит возможность для вычисления выходов функции.