Modeller och tekniker
Dimensionalitetsreduktion
Dimensionalitetsreduktion är metoder för att minska antalet variabler i ett dataset och samtidigt behålla de mönster som betyder något. Syftet är att göra datan lättare att räkna på och att visualisera. Något går alltid förlorat, så metoden innebär ett medvetet val av vad som får försvinna.
Vad dimensionalitetsreduktion förväxlas med
Att gallra rader. Reduktionen gäller variabler, alltså kolumner, inte antalet observationer.
Komprimering utan förlust. Information försvinner alltid. Poängen är att det som försvinner ska vara det som betyder minst.
PCA. PCA är den vanligaste metoden, men bara en av flera.
Var du möter dimensionalitetsreduktion
I arbetet hos den som analyserar data eller tränar modeller. I ett upphandlingsunderlag förekommer ordet sällan, och köper ni färdiga verktyg möter ni det inte.
Vidare
PCA är den metod som oftast avses. Dataanalys för sammanhanget ordet hör hemma i. Maskininlärning för vad förarbetet leder fram till.