« Réduction de la dimension » : différence entre les versions
m (Claude COULOMBE a déplacé la page Réduction de la dimensionnalité vers Réduction de la dimension par-dessus une redirection) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
La réduction de la [[ | La réduction de la [[dimension]] est un processus qui consiste à prendre des données dans un espace de grande dimension et à les remplacer par des données dans un espace de plus petite dimension. | ||
Pour que l'opération soit utile il faut que les données en sortie représentent bien les données d'entrée. | Pour que l'opération soit utile il faut que les données en sortie représentent bien les données d'entrée. | ||
| Ligne 6 : | Ligne 6 : | ||
==Compléments== | ==Compléments== | ||
Ici, il est utile de distinguer entre la dimension d'une données qui se rapporte au nombre d'attributs de chaque donnée d'un jeu de données et le concept de ''[[dimensionnalité]]'' qui est un concept technique plus abstrait qui se réfère à la nature multidimensionnelle et la complexité d'un jeu de données, d'un modèle, d'une représentation, d'un algorithme ou d'une méthode d'analyse. | Ici, il est utile de distinguer entre la dimension d'une données qui se rapporte au nombre d'attributs de chaque donnée d'un jeu de données et le concept de ''[[dimensionnalité]]'' qui est un concept technique plus abstrait qui se réfère à la nature multidimensionnelle et la complexité d'un jeu de données, d'un modèle, d'une représentation, d'un algorithme ou d'une méthode d'analyse. | ||
Dans la pratique cette distinction est souvent inutile. Par exemple, dans la réduction de la dimension, le résultat est la réduction du nombre d'attributs donc de la dimension des données. | |||
<hr/> | <hr/> | ||
La raison pour laquelle une telle opération est utile est que les données de plus petite dimension peuvent être traitées plus rapidement. Cette opération est cruciale en apprentissage automatique par exemple, pour lutter contre le '''[[fléau de la | La raison pour laquelle une telle opération est utile est que les données de plus petite dimension peuvent être traitées plus rapidement. Cette opération est cruciale en apprentissage automatique par exemple, pour lutter contre le '''[[fléau de la dimension]]'''. | ||
Il existe plusieurs approches pour faire cette opération et plusieurs objectifs possibles à atteindre. Les méthodes classiques sont la sélection d'attributs, qui consiste à sélectionner un ensemble de variables qui vont être conservées, et la transformation d'attributs qui consiste à créer de nouvelles variables moins nombreuses et plus pertinentes. | Il existe plusieurs approches pour faire cette opération et plusieurs objectifs possibles à atteindre. Les méthodes classiques sont la sélection d'attributs, qui consiste à sélectionner un ensemble de variables qui vont être conservées, et la transformation d'attributs qui consiste à créer de nouvelles variables moins nombreuses et plus pertinentes. | ||
| Ligne 14 : | Ligne 16 : | ||
==Français== | ==Français== | ||
'''réduction de la dimension''' | |||
'''réduction de dimension''' | |||
'''réduction de la dimensionnalité''' | '''réduction de la dimensionnalité''' | ||
'''réduction de dimensionnalité''' | '''réduction de dimensionnalité''' | ||
==Anglais== | ==Anglais== | ||
'''dimensionality reduction''' | '''dimensionality reduction''' | ||
Version du 20 mars 2025 à 14:38
Définition
La réduction de la dimension est un processus qui consiste à prendre des données dans un espace de grande dimension et à les remplacer par des données dans un espace de plus petite dimension.
Pour que l'opération soit utile il faut que les données en sortie représentent bien les données d'entrée.
Compléments
Ici, il est utile de distinguer entre la dimension d'une données qui se rapporte au nombre d'attributs de chaque donnée d'un jeu de données et le concept de dimensionnalité qui est un concept technique plus abstrait qui se réfère à la nature multidimensionnelle et la complexité d'un jeu de données, d'un modèle, d'une représentation, d'un algorithme ou d'une méthode d'analyse.
Dans la pratique cette distinction est souvent inutile. Par exemple, dans la réduction de la dimension, le résultat est la réduction du nombre d'attributs donc de la dimension des données.
La raison pour laquelle une telle opération est utile est que les données de plus petite dimension peuvent être traitées plus rapidement. Cette opération est cruciale en apprentissage automatique par exemple, pour lutter contre le fléau de la dimension.
Il existe plusieurs approches pour faire cette opération et plusieurs objectifs possibles à atteindre. Les méthodes classiques sont la sélection d'attributs, qui consiste à sélectionner un ensemble de variables qui vont être conservées, et la transformation d'attributs qui consiste à créer de nouvelles variables moins nombreuses et plus pertinentes.
Voir Surapprentissage
Français
réduction de la dimension
réduction de dimension
réduction de la dimensionnalité
réduction de dimensionnalité
Anglais
dimensionality reduction
dimension reduction
Sources
Source : Tollari, Sabrina (2006). Indexation et recherche d'images par fusion d'informations textuelles et visuelles, thèse de doctorat, Université du Sud Toulon-Var, 203 pages.
Source : Geeks for geeks, Introduction to Dimensionality Reduction
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, wiki
