Høydimensjonale Data og Dimensjonalitetsforbannelsen
Data med høy dimensjonalitet har mange egenskaper, eller kolonner. Når du legger til flere dimensjoner, sprer datapunktene seg lenger fra hverandre, og rommet blir stadig tommere. Dette gjør det vanskelig å finne mønstre, fordi avstandene mellom punktene mister sin betydning. Dette kalles dimensjonalitetsforbannelsen—utfordringen med å analysere data når det er for mange egenskaper.
1234567891011121314151617181920212223242526272829import numpy as np import matplotlib.pyplot as plt # Generate random points in 2D np.random.seed(0) points_2d = np.random.rand(100, 2) # Generate random points in 3D points_3d = np.random.rand(100, 3) fig = plt.figure(figsize=(12, 5)) # Plot 2D points ax1 = fig.add_subplot(1, 2, 1) ax1.scatter(points_2d[:, 0], points_2d[:, 1], color='blue', alpha=0.6) ax1.set_title('100 Random Points in 2D') ax1.set_xlabel('X') ax1.set_ylabel('Y') # Plot 3D points ax2 = fig.add_subplot(1, 2, 2, projection='3d') ax2.scatter(points_3d[:, 0], points_3d[:, 1], points_3d[:, 2], color='red', alpha=0.6) ax2.set_title('100 Random Points in 3D') ax2.set_xlabel('X') ax2.set_ylabel('Y') ax2.set_zlabel('Z') plt.tight_layout() plt.show()
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Awesome!
Completion rate improved to 8.33Høydimensjonale Data og Dimensjonalitetsforbannelsen
Sveip for å vise menyen
Data med høy dimensjonalitet har mange egenskaper, eller kolonner. Når du legger til flere dimensjoner, sprer datapunktene seg lenger fra hverandre, og rommet blir stadig tommere. Dette gjør det vanskelig å finne mønstre, fordi avstandene mellom punktene mister sin betydning. Dette kalles dimensjonalitetsforbannelsen—utfordringen med å analysere data når det er for mange egenskaper.
1234567891011121314151617181920212223242526272829import numpy as np import matplotlib.pyplot as plt # Generate random points in 2D np.random.seed(0) points_2d = np.random.rand(100, 2) # Generate random points in 3D points_3d = np.random.rand(100, 3) fig = plt.figure(figsize=(12, 5)) # Plot 2D points ax1 = fig.add_subplot(1, 2, 1) ax1.scatter(points_2d[:, 0], points_2d[:, 1], color='blue', alpha=0.6) ax1.set_title('100 Random Points in 2D') ax1.set_xlabel('X') ax1.set_ylabel('Y') # Plot 3D points ax2 = fig.add_subplot(1, 2, 2, projection='3d') ax2.scatter(points_3d[:, 0], points_3d[:, 1], points_3d[:, 2], color='red', alpha=0.6) ax2.set_title('100 Random Points in 3D') ax2.set_xlabel('X') ax2.set_ylabel('Y') ax2.set_zlabel('Z') plt.tight_layout() plt.show()
Takk for tilbakemeldingene dine!
