Boyut indirgeme, çok sayıda özelliği olan veriyi en önemli bilgileri koruyarak daha az sayıda özellikle temsil etme yöntemidir.
Boyut İndirgeme ne demek?
Yüzlerce sütunlu bir veri seti ya da binlerce boyutlu embedding'ler hem işlemesi zor hem de görselleştirmesi imkânsızdır. PCA, t-SNE ve UMAP gibi yöntemler veriyi 2-3 boyuta indirerek grafik üzerinde incelemeyi ve daha hızlı model eğitmeyi sağlar.
Yakın kavramlar
Embedding (Gömme)EmbeddingEmbedding, bir kelimenin, cümlenin, belgenin ya da görselin anlamını temsil eden ve anlamca yakın içeriklerin birbirine yakın düştüğü sayısal vektördür.Ajanlar, RAG & Araç KullanımıKümelemeClusteringKümeleme, birbirine benzeyen verileri önceden etiket vermeden otomatik olarak gruplara ayıran denetimsiz öğrenme görevidir.Makine Öğrenmesi & EğitimÖzellikFeatureÖzellik, bir modelin tahmin yaparken kullandığı, verinin ölçülebilir her bir niteliğidir.Makine Öğrenmesi & EğitimDenetimsiz ÖğrenmeUnsupervised LearningDenetimsiz öğrenme, etiketsiz verideki gizli yapıları, grupları ve örüntüleri modelin kendi başına bulduğu yöntemdir.Makine Öğrenmesi & EğitimOtokodlayıcıAutoencoderOtokodlayıcı, girdisini önce küçük bir temsile sıkıştırıp sonra bu temsilden girdiyi yeniden oluşturmayı öğrenen sinir ağıdır.Derin Öğrenme & Sinir Ağları