12 Dimensionality Reduction(降维)
12.1 Motivation I_ Data Compression
第二种无监督学习问题,称为降维。使用降维可以实现数据压缩,数据压缩不仅可以压缩数据,因为使用较少的计算机内存或磁盘空间,所以它也加快了学习算法。
那么,什么是降维?举一个例子,有一个数据集,其含有许多特征。
假设有两个未知的特征:𝑥1:长度:用厘米表示;𝑥2:是用英寸表示同一物体的长度。所以,这给了我们高度冗余表示,也许这两个特征𝑥1和𝑥2,能减少数据到一维。
将数据从二维降至一维: 假使要采用两种不同的仪器来测量一些东西的尺寸,其中一个仪器测量结果的单位是英寸,另一个仪器测量的结果是厘米,我们希望将测量的结果作为我们机器学习的特征。现在的问题的是,两种仪器对同一个东西测量的结果不完全相等(由于误差、精度等),而将两者都作为特征有些重复,因而,我们希望将这个二维的数据降至一维。
将数据从三维降至二维: 这个例子中我们要将一个三维的特征向量降至一个二维的特征向量。过程是与上面类似的,将三维向量投射到一个二维的平面上,强迫使得所有的数据都在同一个平面上,降至二维的特征向量。
这样的处理过程可以被用于把任何维度的数据降到任何想要的维度,例如将 1000 维的特征降至 100 维。
12.2 Motivation II_ Visualization
在许多机器学习问题中,如果能将数据可视化,便能寻找到一个更好的解决方案,其中降维就有助于实现这一目的。
例如,一个数据集包含有许多不同国家的数据,每一个特征向量都有 50 个特征(如 GDP,人均 GDP,平均寿命等)。如果要将这个 50 维的数据可视化是不可能的。使用降维的方法将其降至 2 维,便可以将其可视化了。