ランダムマッピング

データ分析では、ランダム マッピング(RM) は、特徴抽出法として分類される高速な次元削減法です。RM は、ランダム マトリックスを生成し、それを各元のベクトルに乗じて削減されたベクトルを生成します。データ ベクトルが高次元の場合、元のデータ空間で類似性や距離を繰り返し計算するデータ分析またはパターン認識アルゴリズムを使用することは計算上不可能です。したがって、たとえばデータをクラスタリングする前に次元を削減する必要があります。テキスト マイニングのコンテキストでは、最終的な次元が十分に大きい場合 (6000 のうち約 100)、ランダム マッピング法を使用して次元を削減した後に得られるドキュメント分類精度は、元の精度とほぼ同じになることが実証されています。実際、マッピングされたベクトル間の内積 (類似性) は、元のベクトルの内積に密接に従うことがわかります。

• ランダム変数
• セマンティックマッピング
• ランダム投影

• Kaski, S. ランダム マッピングによる次元削減: クラスタリングのための高速類似度計算。1998 IEEE 国際ニューラル ネットワーク合同会議の議事録、1998 年。pp. 413–418。doi: 10.1109/IJCNN.1998.682302