Модуль для Снижения Размерности (GT DR)

Сложные объекты обычно описываются большим числом параметров. Часто бывает полезно снизить размерность описания, например, для упрощения параметризации, оптимизации и визуализации. pSeven Core содержит несколько методов, покрывающих большинство вопросов снижения размерности.

Обобщенный Метод Главных Компонент (Generalized Principal Component Analysis)

Если множество объектов представлено в виде набора многомерных точек, то модуль аппроксимирует его гиперповерхностью и предоставляет пользователю методы сжатия и восстановления описания, которые позволяют:

  • автоматически репараметризовать объекты меньшим числом параметров,
  • генерировать объекты, похожие на уже заданные,
  • визуализировать внутреннюю геометрию множества объектов.

Модуль содержит несколько различных нелинейных методов снижения размерности "без учителя". При этом наиболее подходящий метод может быть выбран в зависимости от числа объектов, их размерности и величины шума в данных. Размерность сжатого описания может быть задана вручную или может быть найдена автоматически, основываясь на желаемой ошибке сжатия/восстановления.

gpca

Линейное Извлечение Переменных с "Учителем" (Supervised Linear Variable Extraction)

Данный модуль работает не только с описаниями объектов, но и с выходами (значениями, соответствующими описаниям) для них. При этом ищутся линейные комбинации исходных параметров (признаков), дающие наибольший вклад в выходную функцию.

  • Если множество объектов представлено как множество многомерных точек, то модуль аппроксимирует его гиперплоскостью и предоставляет методы сжатия и разжатия, которые примерно сохраняют выходы модели.
  • Число необходимых признаков выбирается автоматически или может быть задано пользователем без перестроения модели.
  • Модуль использует уникальный метод, разработанный в DATADVANCE - Вега (VEGA - Variable Extraction via Gradient Approximation).
  • Модуль предоставляет оценки, показывающие, какие из исходных переменных дают наибольший вклад в сжатые признаки.
  • Модуль может работать как с предоставленными пользователем выборками, так и генерировать подходящие выборки, если пользователь предоставит возможность для вычисления выходов функции.

slve

Контактная информация

location_on  117246, Москва, Научный проезд, д. 17, 15 этаж

phone  +7 (495) 669-68-15

mail_outline  info@datadvance.net

Связаться navigate_next Дистрибьюторы navigate_next