आयामीता कमी (Dimensionality Reduction)
आयामीता कमी में, मूल डेटा के कम या "संपीड़ित" प्रतिनिधित्व को प्राप्त करने के लिए डेटा एन्कोडिंग या परिवर्तनों का उपयोग किया जाता है। यदि संपीड़ित डेटा से मूल डेटा को बिना किसी डेटा हानि के पुनर्जीवित किया जा सकता है, तो डेटा कमी को लॉसलेस (lossless) कहा जाता है। यदि पुनर्निर्मित डेटा केवल मूल डेटा का सन्निकटन है, तो डेटा कमी को लॉसी (lossy) कहा जाता है।
डिस्क्रीट वेवलेट ट्रांसफॉर्म (DWT) डिस्क्रीट फूरियर ट्रांसफॉर्म (DFT) से निकटता से जुड़ा हुआ है, जो साइन और कोसाइन वाली एक सिग्नल प्रोसेसिंग तकनीक है। सामान्यतः, DWT बेहतर लॉसी संपीड़न प्राप्त करता है। अर्थात, यदि दिए गए डेटा वेक्टर के लिए DWT और DFT के लिए समान संख्या में गुणांक बनाए रखे जाते हैं, तो DWT संस्करण मूल डेटा का अधिक सटीक सन्निकटन प्रदान करेगा। इसलिए, समतुल्य सन्निकटन के लिए, DWT को DFT की तुलना में कम स्थान की आवश्यकता होती है।
संख्यात्मकता कमी (Numerosity Reduction)
संख्यात्मकता कमी में, डेटा वॉल्यूम को डेटा प्रतिनिधित्व के एक वैकल्पिक, छोटे रूप को चुनकर कम किया जाता है। ये तकनीकें पैरामीट्रिक या नॉन-पैरामीट्रिक हो सकती हैं। पैरामीट्रिक विधियों के लिए, एक मॉडल डेटा का अनुमान लगा सकता है, ताकि वास्तविक डेटा के बजाय केवल डेटा पैरामीटर्स को सहेजने की आवश्यकता हो, उदाहरण के लिए, लॉग-लिनियर मॉडल। नॉन-पैरामीट्रिक विधियों का उपयोग डेटा के कम प्रतिनिधित्व को संग्रहीत करने के लिए किया जाता है, जिसमें हिस्टोग्राम, क्लस्टरिंग, और सैंपलिंग शामिल हैं।
तुलना तालिका
| आयामीता कमी | संख्यात्मकता कमी |
|---|---|
| आयामीता कमी में, मूल डेटा का कम या संपीड़ित प्रतिनिधित्व प्राप्त करने के लिए डेटा एन्कोडिंग या परिवर्तन लागू किए जाते हैं। | संख्यात्मकता कमी में, डेटा वॉल्यूम को डेटा प्रतिनिधित्व के वैकल्पिक, छोटे रूपों को चुनकर कम किया जाता है। |
| आयामीता कमी में, डिस्क्रीट वेवलेट ट्रांसफॉर्म (DWT) एक रैखिक सिग्नल प्रोसेसिंग तकनीक है जो डेटा वेक्टर X को संख्यात्मक रूप से भिन्न वेक्टर X' में बदल देती है। दोनों वेक्टर समान लंबाई के होते हैं। | संख्यात्मकता कमी में, दिए गए डेटा का सन्निकटन करने के लिए रिग्रेशन और लॉग-लिनियर मॉडल का उपयोग किया जा सकता है। रैखिक रिग्रेशन में, डेटा को एक सीधी रेखा में फिट करने के लिए मॉडल किया जाता है। |
| इसका उपयोग अप्रासंगिक और अनावश्यक विशेषताओं को हटाने के लिए किया जा सकता है। | यह केवल मूल डेटा को छोटे रूप में प्रस्तुत करने की एक तकनीक है। |
| इस तकनीक में कुछ डेटा खो सकता है जो अनुचित है। | इस विधि में डेटा की कोई हानि नहीं होती, बल्कि पूरा डेटा छोटे रूप में प्रस्तुत किया जाता है। |
