PCA przed siecią neuronową

1. Czy sieć neuronowa potrzebuje PCA?
2. Kiedy nie należy robić PCA?
3. Dlaczego PCA jest stosowany jako etap wstępnego przetwarzania przed regresją?
4. Czy możemy użyć PCA z CNN?

Czy sieć neuronowa potrzebuje PCA?

Zasadniczo transformacja liniowa przeprowadzona przez PCA może być wykonana równie dobrze przez wagi warstwy wejściowej sieci neuronowej, więc nie jest to wyłącznie konieczne.

Kiedy nie należy robić PCA?

Chociaż technicznie możliwe jest użycie PCA na zmiennych dyskretnych lub zmiennych kategorycznych, które były jedną zmiennymi zakodowanymi na gorąco, nie powinieneś. Mówiąc wprost, jeśli twoje zmienne nie należą do płaszczyzny współrzędnych, nie stosuj PCA do nich.

Dlaczego PCA jest stosowany jako etap wstępnego przetwarzania przed regresją?

Gdy PCA jest używane w ramach wstępnego przetwarzania, algorytm jest stosowany do: Zmniejsz liczbę wymiarów w zestawie danych szkoleniowych. Odcznij dane. Ponieważ PCA jest obliczane przez znalezienie komponentów, które wyjaśniają największą wariancję, przechwytuje sygnał w danych i pomija szum.

Czy możemy użyć PCA z CNN?

PCA jest najpierw zastosowany do dwóch zestawów danych, aby osiągnąć redukcję wymiarowości. Skompresowane zestawy danych służą do szkolenia modeli 2D-CNN i 3D-CNN. Wyszkolone modele są następnie wykorzystywane do klasyfikacji próbek testowych.