Какие существуют методы снижения размерности в машинном обучении?

Некоторые методы снижения размерности в машинном обучении:

• Отбор признаков. notebooks.githubusercontent.com Заключается в оценке предсказательной силы каждого признака, то есть его информативности — насколько он коррелирует с целевой переменной. notebooks.githubusercontent.com Затем отбираются либо заданное количество признаков, либо те признаки, информативность которых выше некоторого порога. notebooks.githubusercontent.com
• Переборные методы. notebooks.githubusercontent.com Дискретно оценивают качество модели, обученной на различных подмножествах признаков. notebooks.githubusercontent.com При этом происходит полный перебор всех возможных вариантов. notebooks.githubusercontent.com
• Встроенные методы. notebooks.githubusercontent.com Используют эвристики, заложенные в обучающие модели, для оценки важности признаков. notebooks.githubusercontent.com
• Метод главных компонент (PCA). notebooks.githubusercontent.com habr.com Осуществляет линейное отображение данных в пространство меньшей размерности таким образом, что дисперсия данных в малоразмерном представлении максимизируется. ru.wikipedia.org
• Метод случайных проекций. notebooks.githubusercontent.com Заключается в преобразованиях, сохраняющих расстояния и снижающих размерности. notebooks.githubusercontent.com