So che sia la selezione delle funzioni che la riduzione della dimensionalità mirano a ridurre il numero di funzioni nel set di funzioni originale. Qual è la differenza esatta tra i due se stiamo facendo la stessa cosa in entrambi?
So che sia la selezione delle funzioni che la riduzione della dimensionalità mirano a ridurre il numero di funzioni nel set di funzioni originale. Qual è la differenza esatta tra i due se stiamo facendo la stessa cosa in entrambi?
Risposte:
La differenza è che l'insieme di funzioni creato dalla selezione delle funzioni deve essere un sottoinsieme dell'insieme originale di funzioni e l'insieme creato dalla riduzione della dimensionalità non deve (ad esempio PCA riduce la dimensionalità creando nuove caratteristiche sintetiche dalla combinazione lineare di quelli originali, e quindi scartando quelli meno importanti).
In questo modo la selezione delle funzioni è un caso speciale di riduzione della dimensionalità.
La selezione delle funzioni funziona sulla riduzione della varianza e della dimensionalità sul valore di Eigen e sul vettore di Eigen.
Nella selezione delle funzioni stiamo effettivamente lavorando sugli attributi e lasciamo gli attributi basati sulla varianza, ma in caso di riduzione della dimensionalità creiamo una nuova dimensione basata sulle covarianze.
Spero che la mia risposta ti aiuti, grazie per aver posto la domanda.