220 likes | 239 Views
4 Data Reduction. 응용화학부 송상옥. 발표순서. Data Reduction 의 필요성 Dimension Reduction 의 역할 및 형태 Dimension Reduction 의 구체적 방법. 왜 필요한가?. 데이터가 너무 많으면 예측 프로그램의 용량 초과 해를 구하는데 걸리는 시간 지연 적절한 양의 데이터 데이터에 포함된 개념의 복잡도에 의존 ( model 의 complexity) mining 이전에 알 수 없다. Ex) random data.
E N D
4Data Reduction 응용화학부 송상옥
발표순서 • Data Reduction의 필요성 • Dimension Reduction의 역할 및 형태 • Dimension Reduction의 구체적 방법
왜 필요한가? • 데이터가 너무 많으면 • 예측 프로그램의 용량 초과 • 해를 구하는데 걸리는 시간 지연 • 적절한 양의 데이터 • 데이터에 포함된 개념의 복잡도에 의존 (model의 complexity) • mining 이전에 알 수 없다. • Ex) random data
Dimension Reduction의 형태 • Delete a column (feature) • Delete a row (case) • Reduce the number of values in a column (smooth a feature) • transformation to new data set(PCA)
Impossible ! Search space computational time approximation promising subsets simple distance measure using only training error Best Features Selection
Mean and Variance • Cases : a sample from some dist. • Spreadsheet mean and variance • BUT, Dist. is unknown Heuristic Feature Selection Guidance
Independent Features • Classification problem • k classes classification • k pairwise comparison • Regression = pseudo-classification
Distance Based Selection • Independent analysis + correlation analysis detect redundancy • Distance measure • Independent feature • Branch-and-Bound Algorithm
Heuristic Feature Selection • Comparison measures • Significant Test • Dm • F-Test
Principal Components • Merging features • a new set of fewer columns first k-component • First principal component • minimum euclidean distance • Feature with a large variance • excellent chances for separation of class or group of case values
Decision Trees • Dynamic logic approach • coordinated with searching for solution • advantageous in large feature spaces • recursive partitioning
Clustering problem Reducing Values Problem
How many Cases? • 적절한 sample size complexity • Prediction method와 긴밀하게 연관 • 빠른 시간 안에 적절한 해 Case reduction !! • Basic approach (random sampling) • Incremental samples • Average samples
추가적인 bias 없이 variance error를 줄일 수 있음 Best Solution Approach Average Samples
Specialized Techniques • Sequential Sampling over Time • Time-dependent data • Sampling period와 feature measuring 사이에 최적화 • Strategic sampling of Key Event • Net change > threshold (regression) • Adjusting prevalence • Low prevalence에 대해 case 반복