Dimensionality Reduction / Giảm Chiều

📖 Dimensionality Reduction

Definition (English):

Dimensionality reduction encompasses techniques that reduce the number of random variables (features) in a dataset while preserving essential information. Methods include feature selection (selecting subset of original features) and feature extraction (creating new features via transformation). Key techniques include PCA, t-SNE, UMAP, autoencoders, and LDA. Critical for visualization, preprocessing, and combating the curse of dimensionality.

📖 Giảm Chiều

Định nghĩa (Tiếng Việt):

Giảm chiều bao gồm các kỹ thuật giảm số lượng biến ngẫu nhiên (đặc trưng) trong tập dữ liệu trong khi bảo toàn thông tin thiết yếu. Phương pháp bao gồm chọn đặc trưng (chọn tập con đặc trưng gốc) và trích xuất đặc trưng (tạo đặc trưng mới qua biến đổi). Các kỹ thuật chính bao gồm PCA, t-SNE, UMAP, autoencoder và LDA. Quan trọng cho trực quan hóa, tiền xử lý và chống lời nguyền của giảm chiều.

📂 Phân loại: Algorithms