Некоторые методы снижения размерности в машинном обучении:

• Отбор признаков. 1 Заключается в оценке предсказательной силы каждого признака, то есть его информативности — насколько он коррелирует с целевой переменной. 1 Затем отбираются либо заданное количество признаков, либо те признаки, информативность которых выше некоторого порога. 1
• Переборные методы. 1 Дискретно оценивают качество модели, обученной на различных подмножествах признаков. 1 При этом происходит полный перебор всех возможных вариантов. 1
• Встроенные методы. 1 Используют эвристики, заложенные в обучающие модели, для оценки важности признаков. 1
• Метод главных компонент (PCA). 15 Осуществляет линейное отображение данных в пространство меньшей размерности таким образом, что дисперсия данных в малоразмерном представлении максимизируется. 3
• Метод случайных проекций. 1 Заключается в преобразованиях, сохраняющих расстояния и снижающих размерности. 1