« Réduction de la dimension » : différence entre les versions

Version du 20 mars 2025 à 14:51

Définition

La réduction de la dimension est un processus qui consiste à prendre des données dans un espace de grande dimension et à les remplacer par des données dans un espace de plus petite dimension.

Pour que l'opération soit utile il faut que les données en sortie représentent bien les données d'entrée.

Compléments

Ici, il est utile de distinguer entre la dimension d'une données qui se rapporte au nombre d'attributs de chaque donnée d'un jeu de données et le concept de dimensionnalité qui est un concept technique plus abstrait qui se réfère à la nature multidimensionnelle et la complexité d'un jeu de données, d'un modèle, d'une représentation, d'un algorithme ou d'une méthode d'analyse.

Dans la pratique cette distinction est souvent inutile. Par exemple, dans la réduction de la dimension, le résultat est la réduction du nombre d'attributs donc de la dimension des données.

La raison pour laquelle une telle opération est utile est que les données de plus petite dimension peuvent être traitées plus rapidement. Cette opération est cruciale en apprentissage automatique par exemple, pour lutter contre le fléau de la dimension.

Il existe plusieurs approches pour faire cette opération et plusieurs objectifs possibles à atteindre. Les méthodes classiques sont la sélection d'attributs, qui consiste à sélectionner un ensemble de variables qui vont être conservées, et la transformation soustractive d'attributs qui consiste à créer de nouvelles variables moins nombreuses et plus pertinentes.

Voir fléau de la dimension

Français

réduction de la dimension

réduction de dimension

réduction de la dimensionnalité

réduction de dimensionnalité

Anglais

dimensionality reduction

dimension reduction

Sources

Thèse de doctorat - Tollari, Sabrina (2006). Indexation et recherche d'images par fusion d'informations textuelles et visuelles, Université du Sud Toulon-Var, 203 pages.

Data Analytics Post, Réduction de la dimensionnalité

Geeks for geeks, Introduction to Dimensionality Reduction

Wikipedia IA, réduction de la dimensionnalité / réduction de la dimension

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-La réduction de la [[dimensionnalité]] est un processus qui consiste à prendre des données dans un espace de grande dimension et à les remplacer par des données dans un espace de plus petite dimension.
+La réduction de la [[dimension]] est un processus qui consiste à prendre des données dans un espace de grande dimension et à les remplacer par des données dans un espace de plus petite dimension.
 Pour que l'opération soit utile il faut que les données en sortie représentent bien les données d'entrée.
@@ Ligne 6 : / Ligne 6 : @@
 ==Compléments==
 Ici, il est utile de distinguer entre la dimension d'une données qui se rapporte au nombre d'attributs de chaque donnée d'un jeu de données et le concept de ''[[dimensionnalité]]'' qui est un concept technique plus abstrait qui se réfère à la nature multidimensionnelle et la complexité d'un jeu de données, d'un modèle, d'une représentation, d'un algorithme ou d'une méthode d'analyse.
+Dans la pratique cette distinction est souvent inutile. Par exemple, dans la réduction de la dimension, le résultat est la réduction du nombre d'attributs donc de la dimension des données.
 <hr/>
-La raison pour laquelle une telle opération est utile est que les données de plus petite dimension peuvent être traitées plus rapidement. Cette opération est cruciale en apprentissage automatique par exemple, pour lutter contre le '''[[fléau de la dimensionnalité]]'''.
+La raison pour laquelle une telle opération est utile est que les données de plus petite dimension peuvent être traitées plus rapidement. Cette opération est cruciale en apprentissage automatique par exemple, pour lutter contre le '''[[fléau de la dimension]]'''.
-Il existe plusieurs approches pour faire cette opération et plusieurs objectifs possibles à atteindre. Les méthodes classiques sont la sélection d'attributs, qui consiste à sélectionner un ensemble de variables qui vont être conservées, et la transformation d'attributs qui consiste à créer de nouvelles variables moins nombreuses et plus pertinentes.
+Il existe plusieurs approches pour faire cette opération et plusieurs objectifs possibles à atteindre. Les méthodes classiques sont la sélection d'attributs, qui consiste à sélectionner un ensemble de variables qui vont être conservées, et la transformation soustractive d'attributs qui consiste à créer de nouvelles variables moins nombreuses et plus pertinentes.
-Voir '''[[Surapprentissage]]'''
+Voir '''[[fléau de la dimension]]'''
 ==Français==
+'''réduction de la dimension'''
+'''réduction de dimension'''
 '''réduction de la dimensionnalité'''
 '''réduction de dimensionnalité'''
-'''réduction de la dimension'''
-'''réduction de dimension'''
 ==Anglais==
 '''dimensionality reduction'''
@@ Ligne 28 : / Ligne 31 : @@
 ==Sources==
-Source :  Tollari, Sabrina (2006). ''Indexation et recherche d'images par fusion d'informations textuelles et visuelles'', thèse de doctorat, Université du Sud Toulon-Var, 203 pages.
+[https://theses.fr/2006TOUL0013 Thèse de doctorat - Tollari, Sabrina (2006). ''Indexation et recherche d'images par fusion d'informations textuelles et visuelles'', Université du Sud Toulon-Var, 203 pages.]
+[https://dataanalyticspost.com/Lexique/reduction-de-dimensionnalite/  Data Analytics Post, ''Réduction de la dimensionnalité'']
-[https://www.geeksforgeeks.org/dimensionality-reduction/ Source :  Geeks for geeks, ''Introduction to Dimensionality Reduction'']
+[https://www.geeksforgeeks.org/dimensionality-reduction/ Geeks for geeks, ''Introduction to Dimensionality Reduction'']
-[https://fr.wikipedia.org/wiki/R%C3%A9duction_de_la_dimensionnalit%C3%A9 Source : Wikipedia IA, ''Réduction de la dimensionnalité'']
+[https://fr.wikipedia.org/wiki/R%C3%A9duction_de_la_dimensionnalit%C3%A9 Wikipedia IA, ''réduction de la dimensionnalité'' / ''réduction de la dimension'' ]
 [[Catégorie:Intelligence artificielle]]

« Réduction de la dimension » : différence entre les versions