Boyutluluk laneti veya boyutluluk laneti ( boyutluluk laneti ) tarafından icat bir terimdir Richard Bellman 1961 yılında analiz veya büyük mekanlarda verileri düzenlemek için çalışırken ortaya çıkan çeşitli olayları tanımlamak için boyut daha küçük mekanlarda gerçekleşecek yok' böylece .
Çeşitli alanlar ve özellikle makine öğrenimi , veri madenciliği , veri tabanları , sayısal analiz veya örnekle ilgilidir . Genel fikir, boyutların sayısı arttıkça uzayın hacminin hızla büyüdüğü ve böylece verilerin "yalıtılmış" ve dağınık hale geldiğidir. Bu, geçerli olmak için önemli miktarda veri gerektiren yöntemler için sorunludur, dolayısıyla onları verimsiz ve hatta çalışmaz hale getirir.
Bu fenomen ilk olarak Richard Bellman tarafından dinamik optimizasyon problemleri üzerinde çalışırken tanımlanmıştır .
Leo Breiman , gerçek sayılarda tek boyutlu aralığı [0,1] kapsayan 100 gözlem örneğini veriyor: sonuçların bir histogramını çizmek ve onlardan çıkarımlar yapmak mümkündür . Öte yandan, 10 boyuta [0,1] 10 karşılık gelen uzayda , 100 gözlem, geniş bir boş uzayda izole edilmiş noktalardır ve istatistiksel analize izin vermez. [0.1] 10'da [0.1]'deki 100 puana eşdeğer bir kapsama ulaşmak için , en az 10 20 gözlem gereklidir - devasa ve çoğu zaman pratik olmayan bir girişim.
Boyut belası, genellikle yüksek boyutlu olasılıklar alanında az sayıda deneyimden çıkarımlar yapmak anlamına gelen makine öğreniminde büyük bir engeldir . Daha sonra , öğrenme sistemini çıkarımlar elde etmek için sınırlamak için genellikle apriori bilgi enjekte etmek gerekli hale gelir . Çıkarılacak bilgi türüne göre hazırlanmalıdır. Daha sonra Bayes çıkarımından söz ederiz .
Çözümlerden biri, orijinal verileri daha küçük boyutlu bir alanda verilerle değiştirirken, ikincisinin temel özelliklerini korumaktan ibarettir. Öyle boyutluluk azaltılması . İki klasik yaklaşım, küçük bir temsili değişkenler kümesi seçmeyi içeren özellik seçimi ve yeni, daha alakalı değişkenler tanımlamayı içeren özellik çıkarımıdır .