Portuguese, Brazilian subtitles

← Info Loss and Principal Components - Intro to Machine Learning

Get Embed Code
4 Languages

Showing Revision 13 created 06/20/2016 by Udacity Robot.

  1. Se essa linha vermelha é nosso componente de princípio,
  2. a perda de informações será o somatório de todas
  3. essas distâncias que estou desenhando aqui.
  4. A distância entre os pontos e
  5. seus novos locais projetados na nova característica da linha.
  6. Podemos somar tudo isso em relação a todos os pontos, e obteremos alguns números.
  7. Esta são as principais percepções.
  8. Vou desenhar outro componente de princípio que poderíamos ter usado hipoteticamente como
  9. o primeiro componente de princípio, como aquele que queríamos usar.
  10. Vamos supor que, em vez da linha vermelha,
  11. estejamos analisando esta linha roxa.
  12. Poderemos fazer a mesma pergunta para a linha roxa:
  13. qual é a perda de informações quando projetamos todos os pontos nela?
  14. E começaremos a ter algo que parece com isto.
  15. Sei que está um pouco bagunçado, mas
  16. espero que você consiga ver que, em média, essas linhas roxas são todas
  17. significativamente maiores que as linhas vermelhas.
  18. Considerando qualquer ponto específico, isso pode não ser verdade, mas, considerando
  19. os pontos em conjunto, isso se aplicará.
  20. Quando maximizamos a variação, estamos minimizando a distância
  21. entre os pontos e seu novo lugar na linha.
  22. Em outras palavras, é um fato matemático que, quando fazemos essa projeção para
  23. a direção de variação máxima, e apenas para essa direção, estamos
  24. minimizando a distância entre o ponto antigo e o novo ponto transformado.
  25. E isso é necessariamente minimizar a perda de informações.