{"id":1432,"date":"2023-07-26T10:15:39","date_gmt":"2023-07-26T10:15:39","guid":{"rendered":"https:\/\/statorials.org\/nl\/hoge-dimensionale-gegevens\/"},"modified":"2023-07-26T10:15:39","modified_gmt":"2023-07-26T10:15:39","slug":"hoge-dimensionale-gegevens","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/hoge-dimensionale-gegevens\/","title":{"rendered":"Wat zijn hoogdimensionale gegevens? (definitie & voorbeelden)"},"content":{"rendered":"

<\/p>\n

\n

Hoogdimensionale gegevens<\/strong> verwijzen naar een gegevensset waarin het aantal kenmerken p<\/em> groter is dan het aantal waarnemingen<\/a> N<\/em> , vaak geschreven als<\/span> p<\/em> >> N.<\/em><\/span><\/p>\n

Een dataset met p<\/em> = 6 kenmerken en slechts N<\/em> = 3 waarnemingen zou bijvoorbeeld als hoogdimensionale gegevens worden beschouwd omdat het aantal kenmerken groter is dan het aantal waarnemingen.<\/span> <\/p>\n

\"Hoogdimensionale<\/p>\n

Een veelgemaakte fout die mensen maken, is te veronderstellen dat \u2018hoogdimensionale gegevens\u2019 eenvoudigweg een dataset met veel functies betekenen. Dit is echter onjuist. Een dataset kan 10.000 kenmerken bevatten, maar als deze 100.000 waarnemingen bevat, is deze niet hoogdimensionaal.<\/span><\/p>\n

Opmerking:<\/strong> Zie hoofdstuk 18 van Elementen van statistisch leren<\/a> voor een diepgaande discussie over de wiskunde achter hoogdimensionale gegevens.<\/em><\/span><\/p>\n

Waarom zijn hoogdimensionale gegevens een probleem?<\/strong><\/span><\/h3>\n

Wanneer het aantal kenmerken in een dataset het aantal waarnemingen overschrijdt, zullen we nooit een deterministisch antwoord hebben.<\/span><\/p>\n

Met andere woorden: het wordt onmogelijk om een model te vinden dat de relatie tussen de voorspellende variabelen en deresponsvariabele<\/a> kan beschrijven, omdat we niet genoeg observaties hebben waarop we het model kunnen trainen.<\/span><\/p>\n

Voorbeelden van hoogdimensionale gegevens<\/strong><\/span><\/h3>\n

De volgende voorbeelden illustreren hoogdimensionale datasets in verschillende domeinen.<\/span><\/p>\n

Voorbeeld 1: Gezondheidsgegevens<\/strong><\/span><\/p>\n

Hoogdimensionale gegevens zijn gebruikelijk in datasets in de gezondheidszorg, waarbij het aantal kenmerken voor een bepaald individu enorm kan zijn (dwz bloeddruk, hartslag in rust, status van het immuunsysteem, chirurgische geschiedenis, lengte, gewicht, bestaande aandoeningen, enz.).<\/span><\/p>\n

In deze datasets is het gebruikelijk dat het aantal kenmerken groter is dan het aantal waarnemingen.<\/span> <\/p>\n

\"Voorbeeld<\/p>\n

Voorbeeld 2: financi\u00eble gegevens<\/strong><\/span><\/p>\n

Hoogdimensionale gegevens komen ook vaak voor in financi\u00eble datasets waar het aantal kenmerken voor een bepaald aandeel behoorlijk groot kan zijn (dat wil zeggen koers-winstverhouding, marktkapitalisatie, handelsvolume, dividendpercentage, enz.)<\/span><\/p>\n

Bij dit soort datasets is het gebruikelijk dat het aantal entiteiten veel groter is dan het aantal individuele acties.<\/span> <\/p>\n

\"\"<\/p>\n

Voorbeeld 3: Genomica<\/strong><\/span><\/p>\n

Hoogdimensionale gegevens zijn ook gebruikelijk op het gebied van de genomica, waar het aantal genetische kenmerken van een bepaald individu enorm kan zijn.<\/span> <\/p>\n

\"\"<\/p>\n

Hoe om te gaan met grote data<\/strong><\/span><\/h3>\n

Er zijn twee veelgebruikte manieren om hoogdimensionale gegevens te verwerken:<\/span><\/p>\n

1. Kies ervoor om minder functies op te nemen.<\/strong><\/span><\/p>\n

De meest voor de hand liggende manier om te voorkomen dat u met hoogdimensionale gegevens te maken krijgt, is door simpelweg minder kenmerken in de gegevensset op te nemen.<\/span><\/p>\n

Er zijn verschillende manieren om te beslissen welke functies u uit een gegevensset wilt verwijderen, waaronder:<\/span><\/p>\n