محققان در مقالهای جدید، چالش PCA روی «توزیعهای احتمالی» را بررسی کردهاند. این پژوهش یک رابطه ریاضی دقیق میان «تعداد نمونهها» و «توزیعهای مشاهدهشده» پیدا کرده که به ما کمک میکند بفهمیم در چه زمانی با دادههای پراکنده یا متراکم روبهرو هستیم.
این یافته به متخصصان داده کمک میکند تا ضمن حفظ دقت مدلهای PCA، هزینههای محاسباتی را بهشدت کاهش دهند. گامی کوچک اما مهم برای بهینهسازی مدلهای آماری در هوش مصنوعی!
منبع: arXiv Machine Learning