机器学习领域中所谓的降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。
数据维数
维数 (又称维度)
- 数学中:独立参数的数目
- 物理中:独立时空坐标的数目
例 “点是0维、直线是1维、平面是2维、体是3维”
- 点基于点是 0 维:在点上定位一个点,不需要参数
- 点基于直线是 1 维:在直线上定位一个点,需要 1 个参数
- 点基于平面是 2 维:在平面上定位一个点,需要 2 个参数
- 点基于体是 3 维:在体上定位一个点,需要 3 个参数
又如, 像素数字放入 像素白板
实际上中,可以通过如下操作增加维数:
- 水平 / 垂直的平移变化
- 旋转变化
- 尺度变化
- 形状变化(不同人写作的习惯)
- 光照变换
- ……
这些变换的因素是潜变量(Latent Variables),潜变量在。
数据降维
为什么要降维?
- 在原始的高维空间中,包含冗余信息和噪声信息,会在实际应用中引入误差,影响准确率;而降维可以提取数据内部的本质结构,减少冗余信息和噪声信息造成的误差,提高应用中的精度。
降维的好处
- 直观地好处是维度降低了,便于计算和可视化,其更深层次的意义在于有效信息的提取综合及无用信息的摈弃。
一个简单的例子
- 冗余
- 噪声:选择一个方向投影过滤噪声
降维
- 利用某种映射将原高维度空间的数据点投影到低维度的空间:
降维的本质
- 学习一个映射函数 ,其中 是原始数据点的表达,目前最多使用向量表达形式。 是数据点映射后的低维向量表达,通常 的维度小于 的维度(当然提高维度也是可以的)。 可能是显式的或隐式的、线性的或非线性的。
降维方法
- 主成分分析(Principal Component Analysis)
- 等距映射(Isometric Mapping)
- 局部线性嵌入(Locally Linear Embedding)
- ……