Hem PCA hem de otomatik kod çözücü, azaltma azaltması yapabilir, bu nedenle aralarındaki fark nedir? Hangi durumda üst üste kullanmalıyım?
Hem PCA hem de otomatik kod çözücü, azaltma azaltması yapabilir, bu nedenle aralarındaki fark nedir? Hangi durumda üst üste kullanmalıyım?
Yanıtlar:
Otomatik kodlayıcılarda doğrusal olmayan kodlayıcı / kod çözücüleri bulunabilirken, PCA doğrusal bir harita ile sınırlandırılmıştır.
Yaklaşık anlamına gelir ve lineer transfer fonksiyonu ile bir tek katmanlı otomatik kodlayıcı PCA, hemen hemen eşdeğer oluncaya , fakat ilgili tarafından kapsanan alt uzay - AE ve PCA bulunan aynı olmayacak W 'ler verir.
Bayerj'in işaret ettiği gibi PCA, Otomatik Kodlayıcıların (AE) olmadığı doğrusal sistemleri varsayan bir yöntemdir. AE'de doğrusal olmayan bir işlev kullanılmazsa ve gizli katmandaki nöronların sayısı daha küçük boyutta ise, o zaman PCA ve AE aynı sonucu verebilir. Aksi takdirde, AE farklı bir alt uzay bulabilir.
Unutulmaması gereken bir şey, bir AE'deki gizli katmanın, girdiden daha büyük boyutta olabileceğidir. Bu gibi durumlarda AE'ler boyutsallık azaltma yapmıyor olabilir. Bu durumda, onları bir özellik uzayından diğerine bir dönüşüm yaptığını algılıyoruz; burada yeni özellik alanındaki veriler değişkenlik faktörlerini ortadan kaldırıyor.
Bu bir yorum olarak daha uygundur, ancak bunun için itibarımız olmadığı için cevap olarak verilecektir.
Neredeyse bayerj'deki düşüncesiyle biraz kafam karıştı: ın cevabı. Yapay Sinir Ağlarını Okuma ve Temel Bileşen Analizi: Kanıtın verildiği Yerel Minimasyonsuz Örneklerden Öğrenme .
Öyleyse bu, PCA tarafından kapsanan tam olarak karşılık gelen alan değil mi?