Boyut indirgeme nedir?
- Makine Öğrenmesi kursu
- Orta seviye
- Ders 75/112
- 5 dk
Boyut indirgeme, özellik sayısını azaltırken bilgiyi korur.
Boyut indirgeme nedir?
Boyut indirgeme, çok özellikli veriyi bilginin çoğunu koruyarak daha az özellikle temsil etmektir. İki aile vardır:
- Özellik seçimi: özgün sütunların bir alt kümesini tutar (yorumlanabilir).
- Özellik çıkarımı: yeni sütunlar üretir (PCA, t-SNE, UMAP).
from sklearn.datasets import load_digits
X, y = load_digits(return_X_y=True)
print(X.shape) # (1797, 64): 8x8 piksel rakam görüntüleri64 piksel bir rakamı anlatmak için gereğinden fazladır; komşu pikseller güçlü biçimde ilişkilidir.
Sabit ve ilişkili sütunlar
Görüntü verisinde kenar pikselleri neredeyse her zaman 0'dır; varyansları sıfıra yakındır ve bilgi taşımaz. İlişkili sütunlar ise aynı bilgiyi tekrarlar:
print((X.var(axis=0) == 0).sum()) # hiç değişmeyen piksel sayısı
C = np.corrcoef(X[:, X.var(axis=0) > 0], rowvar=False)
print((np.abs(C) > 0.8).sum()) # güçlü ilişkili çiftlerHer iki durum da boyut indirgemenin neden mümkün olduğunu gösterir.
Uygulama Rakam verisini tanı
Rakam verisinin şeklini, hiç değişmeyen piksel sayısını ve sınıf sayısını (len(np.unique(y))) alt alta yazdır.
Başlangıç kodu
import numpy as np
from sklearn.datasets import load_digits
X, y = load_digits(return_X_y=True)
# buraya yazÖrnek çözüm
import numpy as np
from sklearn.datasets import load_digits
X, y = load_digits(return_X_y=True)
print(X.shape)
print((X.var(axis=0) == 0).sum())
print(len(np.unique(y)))Beklenen çıktı
(1797, 64) 3 10
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 PCA hangi aileye girer?
- Özellik çıkarımı Doğru cevap
- Özellik seçimi
- Kümeleme
- Sınıflandırma
Açıklama: PCA özgün sütunları değil, onların doğrusal birleşimlerini üretir.
2 Hiç değişmeyen sütunları say.
print((X.____(axis=0) == 0).sum())print((X.var(axis=0) == 0).sum())Açıklama: Varyansı sıfır olan sütun sabittir.
3 Kavramları eşleştir.
| Kavram | Anlamı |
|---|---|
özellik seçimi |
Özgün sütunlardan alt küme |
özellik çıkarımı |
Yeni sütunlar |
sabit sütun |
Bilgi taşımaz |
ilişkili sütunlar |
Tekrarlanan bilgi |