Dimensionality Reduction
Categoria
Fundamentos de IA
Reducao de Dimensionalidade é o processo de reduzir o número de features de um dataset mantendo a maior parte da informação. Tecnicas como PCA é t-SNE facilitam visualização é melhoram eficiência.
Categoria
Fundamentos de IA
Compartilhar
O que é Reducao de Dimensionalidade?
Reducao de Dimensionalidade é o processo de diminuir o número de variaveis (features) de um dataset enquanto preserva a maior quantidade possível de informação relevante. E essêncial quando dados tem muitas dimensoes (maldição da dimensionalidade).
Tecnicas Principais
- PCA (Principal Component Analysis): projecao linear que maximiza variancia
- t-SNE: visualização não-linear em 2D/3D
- UMAP: alternativa mais rápida ao t-SNE
- Autoencoders: redução não-linear com redes neurais
- LDA: redução supervisionada que maximiza separacao entre classes
Beneficios
- Reducao de overfitting
- Menor custo computacional
- Visualizacao de dados em alta dimensão
- Remocao de ruido é redundancia
Na Trilion, técnicas de redução de dimensionalidade sao aplicadas para tornar datasets complexos mais gerênciaveis é para criar visualizacoes intuitivas que comúnicam insights aos stakeholders.
