Khác Biệt Giữa Giảm Chiều và Giảm Số Lượng?

Giảm Chiều (Dimensionality Reduction)

Trong giảm chiều, mã hóa hoặc biến đổi dữ liệu được dùng để lấy biểu diễn giảm hoặc "nén" của dữ liệu gốc. Nếu dữ liệu gốc có thể tái tạo từ dữ liệu nén mà không mất thông tin, gọi là giảm không mất mát (lossless). Nếu dữ liệu tái tạo chỉ xấp xỉ dữ liệu gốc, gọi là giảm mất mát (lossy).

Biến đổi wavelet rời rạc (DWT) liên quan chặt chẽ đến biến đổi Fourier rời rạc (DFT), một kỹ thuật xử lý tín hiệu dùng sin và cosin. Nói chung, DWT đạt nén mất mát tốt hơn. Tức là nếu giữ cùng số hệ số cho DWT và DFT của một vectơ dữ liệu, phiên bản DWT sẽ cho xấp xỉ chính xác hơn dữ liệu gốc. Do đó, cho một xấp xỉ tương đương, DWT cần ít dung lượng hơn DFT.

Giảm Số Lượng (Numerosity Reduction)

Trong giảm số lượng, thể tích dữ liệu được giảm bằng cách chọn dạng biểu diễn dữ liệu thay thế, nhỏ hơn. Các kỹ thuật này có thể tham số (parametric) hoặc không tham số (nonparametric). Với phương pháp tham số, một mô hình ước lượng dữ liệu, nên chỉ cần lưu tham số mô hình thay vì dữ liệu thực tế, ví dụ: mô hình log-linear. Phương pháp không tham số dùng để lưu biểu diễn giảm của dữ liệu bao gồm histogram, cụm (clustering) và lấy mẫu (sampling).

So sánh giữa Giảm Chiều và Giảm Số Lượng: