随机投影（Random Projection）降维方法

最新推荐文章于 2025-03-01 00:00:00 发布
最新推荐文章于 2025-03-01 00:00:00 发布
阅读量3.3k 收藏 2
点赞数 1
分类专栏： 数据科学从0到1 文章标签： 机器学习 算法 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhongkeyuanchongqing/article/details/115876077
版权
随机投影（Random Projection）是一种简单且计算效率高的降维方法，与PCA相比，它只需构建投影矩阵，无需进行SVD，适用于依赖距离信息的算法如k-means。其理论基础是J-L Lemma，保证了高维空间中点集映射到低维空间后的相对距离得以保持。sklearn.random_projection模块提供了高斯和稀疏随机矩阵的实现，用于控制数据的准确率和降低模型大小。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Random Projection是一种降维方法。相对普遍的PCA的降维方法，这里介绍另一种降维方法Random Projecttion。相比于PCA，他的优势可以这样说：

Random Projection与PCA不一样，其操作简单，只要构建一个投影矩阵即可，而PCA降维还要做SVD，计算开销比较大。

 

 

sklearn.random_projection.GaussianRandomProjection

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【机器学习】必会降维算法之：随机投影（Random Projection）
商务合作 | 面试培训 | 职场规划 ==>主页扫码
06-21 2409
必会降维算法之：Random Projection
python 随机投影（Random Projection，简称RP）
zhangzhechun的专栏
03-20 1329
随机投影（Random Projection，简称RP）是一种降维技术，可以将高维数据映射到低维空间中，同时尽可能地保留数据之间的距离关系。因此，在上面的示例中，我们将一个原始的10维数据矩阵X映射到了一个3维空间中。在上面的示例中，我们首先生成一个100行10列的随机数据矩阵X。然而，随机投影的优点在于它非常快速，并且通常可以在不丧失太多信息的情况下有效地降低数据的维度。需要注意的是，随机投影是一种非常快速的降维技术，但是其效果可能不如其他降维技术，如PCA和LDA等。
随机映射(Random Projection)算法
05-12
随机映射(Random Projection)算法
降维攻击！PCA与随机投影优化高维KNN
最新发布
好看资源网的博客
03-01 552
假设你正在处理一个电商平台的商品图片分类任务：每张图片被提取为1000维的特征向量，100万条数据的距离计算让KNN模型陷入“维度地狱”——计算耗时长达数小时，且内存占用超过10GB。：在d维空间中，数据点间平均距离公式为 ��2dσ2​（�σ为特征标准差），维度越高，距离区分度越低。：通过降维技术（PCA、随机投影）压缩数据维度，在保持分类精度的前提下，将计算复杂度从。：最大化投影方差 Var(��)=��Σ�Var(XW)=WTΣW（ΣΣ为协方差矩阵）。：对精度要求宽松，但需要实时处理的流式数据。
【Scikit-Learn 中文文档】无监督降维 - 数据集转换 - 用户指南 | ApacheCN
妳那伊抹微笑的专栏
11-29 646
4.4. 无监督降维 如果你的特征数量很多, 在监督步骤之前, 可以通过无监督的步骤来减少特征. 很多的 无监督学习 方法实现了一个名为 transform 的方法, 它可以用来降低维度. 下面我们将讨论大量使用这种模式的两个具体示例. 4.4.1. PCA: 主成份分析 decomposition.PCA 寻找能够捕捉原始特征的差异的特征的组合. 请参阅 分解成分中的信号（矩阵分解问题）. 示例 ref: ‘sphx_glr_auto_examples_applications_plot_face_re
Random Projection 随机投影法
qq_49277759的博客
05-10 5823
Random Projection 随机投影法 Hercht-Neilseon: 简单的说就是当一个随机矩阵维数到达一定程度的时候，其转置和自身正交。 J-L引理： 在高维空间中的点可以被线性地嵌入到低维空间中，而且这些点在低维空间里两点之间距离会基本保留。 可以根据数据集的大小nnn 和可容忍的错误率来设计低维的维数，上述举例为： log⁡(n)/ε2=log⁡1000/0.001=6.9078×1000≃690\log(n)/\varepsilon ^2 = \log{1000}/0.00
机器学习笔记(14)——sklearn降维方法举例(RandomProjection,TSVD,t-SNE)
热门推荐
icepoint的博客
08-28 2万+
sklearn降维方法举例 以datasets.digits数据为例导入相关包 import numpy as np import pandas as pd import matplotlib.pyplot as plt import time from sklearn.datasets import load_digits 大样本数据的可视化是一个相对比较麻烦的事情， 一
随机投影降维技术：RandomProjection-LSH应用解析
综上所述，RandomProjection-LSH---29-05-2017--master.zip_lsh_random project文件可能包含了随机映射降维技术的相关代码或实现，这些内容围绕着随机投影和局部敏感哈希（LSH）算法进行设计，目的是用于高效处理...
基于随机投影的降维高光谱目标检测方法
03-19
在众多降维方法中，随机投影（Random Projection，RP）因其对数据不具有依赖性，计算效率较其他降维方法如主成分分析（PCA）和最大噪声分量（MNF）转换等更高，而显得颇具吸引力。随机投影的工作原理是通过一个随机...
Random Projection
weixin_30757793的博客
07-15 715
Random Projection在k-means的应用 1. 随机投影 （Random Projection） 首先，这是一种降维方法。之前已经介绍过相对普遍的PCA的降维方法，这里介绍另一种降维方法Random Project。相比于PCA，他的优势可以这样说： Random Projection与PCA不一样，其操作简单，只要构建一个投影矩阵即可，而PCA降维还要做S...
流行学习、流形学习家族、局部线性嵌入LLE、随机投影（Random Projection）、t-SNE降维及可视化
data+scenario+science+insight
06-08 444
流行学习、流形学习家族、局部线性嵌入LLE、随机投影（Random Projection）、t-SNE降维及可视化 目录 流行学习、流形学习家族、局部线性嵌入LLE、随机投影（Random Projection）、t-SNE降维及可视化 流行学习 流形学习家族 局部线性嵌入LLE 随机投影（Random Projection） t-SNE降维及可视化 流行学习 流形(manifold)是一般几何对象的总称，包括各种维度的曲线与曲面等，和一般的降维分析一样，流形学习是把一组在高维空间中的数据
压缩分类器：通过随机投影对降维具有鲁棒性的分类器-matlab开发
06-01
SC - 稀疏分类器FSC - 快速稀疏分类器GSC - 群稀疏分类器FGSC - 快速群稀疏分类器NSC - 最近子空间分类器 需要 SPGL1 - http://www.cs.ubc.ca/labs/scl/spgl1/ 需要稀疏化 - http://www.see.ed.ac.uk/~tblumens/sparsify/sparsify.html 需要 GroupSparseBox - http://www.mathworks.com/matlabcentral/fileexchange/22771
RandomProject
03-26
实现抽奖的Java程序，需要现在配置文件中输入参与抽奖人员名字，按随机数抽奖
连续投影法降维（spa）代码
02-17
光谱数据降维方法，连续投影法。
投影与降维
xw555666的博客
05-10 3073
投影是将数据从原始的高维空间映射到一个低维空间的过程，通常这个低维空间的维度小于原始空间。降维是减少数据集中变量数量的技术，旨在提取数据的代表性特征，同时去除无关或冗余的信息。两者都旨在处理高维数据，使其更适合于分析和机器学习模型。投影更多关注于在新空间中保持数据的某些特性，而降维更侧重于去除噪声和冗余信息。投影的结果通常是数据在新空间中的表示，而降维则可能涉及到数据的重构或近似。
Machine Learning/Random Projection
weixin_30297281的博客
08-05 162
这次突然打算写点dimension reduction的东西， 虽然可以从PCA， manifold learning之类的东西开始， 但很难用那些东西说出好玩的东西。 这次选择的是一个不太出名但很有趣的方法， 随机映射。 但某些地方它一直是被当成LSH方法来介绍的， 关于这点我不想过多追究， 这里我认为他是一个降维。 Problem Statement 首先我们来看一个问题， 如果你手头有一组...
降维算法 ❉ 随机投影（Random Projection）
weixin_43156294的博客
05-19 2256
随机投影（Random Projection）是一种在数据挖掘和机器学习中常用的技术，它通过将高维数据映射到低维空间来减少数据的维度，同时尽可能地保留原始数据的结构。这种方法在处理大规模数据集时特别有用，因为它可以显著减少计算和存储需求。
Scikit-Learn 1.4使用指南：数据转换 无监督降维（Unsupervised dimensionality reduction）、随机投影（Random Projection）
数智笔记
02-08 1139
在数学中，Johnson-Lindenstrauss 引理是关于将高维空间中的点低畸变地嵌入到低维欧几里得空间中的结果。该引理表明，高维空间中的一小组点可以以保持点之间距离几乎不变的方式嵌入到一个低维空间中。模块实现了一种简单且计算效率高的方法，通过在处理时间和模型大小上进行权衡，以控制的精度损失（作为额外的方差）来降低数据的维度。因此，随机投影是一种适用于基于距离的方法的逼近技术。稀疏随机矩阵是稠密高斯随机投影矩阵的替代品，它保证了类似的嵌入质量，同时更加节省内存，并允许更快地计算投影后的数据。
Random-projection ensemble classification 论文阅读与思考
林源的博客
02-12 491
随机投影集成分类1.论文泛读1.1. 标题1.2. 摘要1.2.1. 方案三级目录 1.论文泛读 1.1. 标题 随机投影集成分类 1.2. 摘要 1.2.1. 方案 这是一个通用方案：对高维数据分类，使用随机投影，将特征向量降维至低维空间，然后使用任意基分类器，选出合适的进行结合。将随机矩阵 三级目录 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Data+Science+Insight

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值