Rozdział 8. Redukcja wymiarowości
Wiele problemów uczenia maszynowego obejmuje tysiące, a nawet miliony cech opisujących każdy przykład uczący. Z tego powodu proces uczenia nie tylko przebiega bardzo powoli, ale, jak się wkrótce przekonamy, taka liczba cech utrudnia również znalezienie dobrego rozwiązania. Problem ten jest często nazywany klątwą wymiarowości (ang. curse of dimensionality).
Na szczęście w przypadku rzeczywistych zadań nieraz możliwe jest znaczne ograniczenie liczby cech, dzięki czemu nierozwiązywalny problem nagle staje się możliwy do rozwiązania. Weźmy na przykład pod uwagę zbiór obrazów MNIST (po raz pierwszy użyty w rozdziale 3.): piksele na krańcach obrazu są niemal zawsze białe, dlatego moglibyśmy je usunąć ze zbioru danych ...
Get Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
