মাত্রিকতা হ্রাস
মাত্রিকতা হ্রাসে, ডেটা এনকোডিং বা রূপান্তরগুলি মূল ডেটার একটি হ্রাস বা "সংকুচিত" চিত্রণ অ্যাক্সেস করতে ব্যবহৃত হয়। যদি কোনও ডেটার ক্ষতি ছাড়াই সংকুচিত ডেটা থেকে মূল ডেটা পুনরুত্পাদন করা যায় তবে ডেটা হ্রাসকে লসলেস বলা হয়। যদি পুনর্গঠিত ডেটা শুধুমাত্র আসল ডেটার আনুমানিক হয়, তাহলে ডেটা হ্রাসকে ক্ষতিকর বলা হয়।
ডিডব্লিউটি প্রায় বিচ্ছিন্ন ফুরিয়ার ট্রান্সফর্ম (ডিএফটি) এর সাথে যুক্ত, সাইন এবং কোসাইন ধারণকারী একটি সংকেত প্রক্রিয়াকরণ কৌশল। সাধারণভাবে, DWT ভাল ক্ষতিকর সংকোচন অর্জন করে। অর্থাৎ যদি একটি DWT এবং একটি প্রদত্ত ডেটা ভেক্টরের একটি DFT-এর জন্য অনুরূপ সংখ্যক সহগ বজায় রাখা হয়, DWT সংস্করণটি মূল ডেটার আরও সঠিক আনুমানিকতা সমর্থন করবে। তাই, সমতুল্য আনুমানিকতার জন্য, DWT-এর DFT থেকে কম এলাকা প্রয়োজন।
সংখ্যা হ্রাস
সংখ্যা হ্রাসে, ডেটার ভলিউম একটি বিকল্প, ছোট আকারের ডেটা উপস্থাপনা নির্বাচন করে হ্রাস করা হয়। এই কৌশলগুলি প্যারামেট্রিক বা ননপ্যারামেট্রিক হতে পারে। প্যারামেট্রিক পদ্ধতির জন্য, একটি মডেল ডেটা অনুমান করতে পারে, যাতে প্রকৃত ডেটার পরিবর্তে শুধুমাত্র ডেটা প্যারামিটারগুলি সংরক্ষণ করা প্রয়োজন, উদাহরণস্বরূপ, লগ-লিনিয়ার মডেল৷ হিস্টোগ্রাম, ক্লাস্টারিং এবং স্যাম্পলিং অন্তর্ভুক্ত ডেটার একটি হ্রাসকৃত উপস্থাপনা সংরক্ষণের জন্য নন-প্যারামেট্রিক পদ্ধতিগুলি ব্যবহার করা হয়৷
আসুন আমরা মাত্রা হ্রাস এবং সংখ্যা হ্রাসের মধ্যে তুলনা দেখি।
মাত্রিকতা হ্রাস | সংখ্যা হ্রাস |
---|---|
মাত্রিকতা হ্রাসে, ডেটা এনকোডিং বা রূপান্তর প্রয়োগ করা হয় মূল ডেটার একটি হ্রাস বা সংকুচিত উপস্থাপনা পেতে। | সংখ্যা হ্রাসে, বিকল্প, ছোট আকারের ডেটা উপস্থাপনা বেছে নেওয়ার মাধ্যমে ডেটা ভলিউম হ্রাস করা হয়। |
মাত্রিকতা হ্রাসে, ডিসক্রিট ওয়েভলেট ট্রান্সফর্ম (DWT) হল একটি রৈখিক সংকেত প্রসেসিং কৌশল যা ডেটা ভেক্টর X-তে ব্যবহার করা হলে, এটিকে তরঙ্গের সহগগুলির সংখ্যাগতভাবে ভিন্ন ভেক্টর, X’-তে পরিবর্তন করে। দুটি ভেক্টর একই দৈর্ঘ্যের। ডেটা হ্রাস করার জন্য এই কৌশলটি প্রয়োগ করার সময়, এটি প্রতিটি টিপলকে একটি এন-ডাইমেনশনাল ডেটা ভেক্টর হিসাবে বিবেচনা করতে পারে, অর্থাৎ, X=(x1 ,x2 ,…xn ) n ডাটাবেস বৈশিষ্ট্য থেকে টিপলে তৈরি n পরিমাপ চিত্রিত করা। | সংখ্যা হ্রাসে, রিগ্রেশন এবং লগ-লিনিয়ার মডেলগুলি প্রদত্ত ডেটা আনুমানিক করতে ব্যবহার করা যেতে পারে। রৈখিক রিগ্রেশনে, ডেটা একটি সরল রেখায় ফিট করার জন্য মডেল করা হয়। উদাহরণস্বরূপ, একটি র্যান্ডম ভেরিয়েবল, y (প্রতিক্রিয়া পরিবর্তনশীল হিসাবে পরিচিত), অন্য র্যান্ডম ভেরিয়েবলের একটি রৈখিক ফাংশন হিসাবে মডেল করা যেতে পারে, x (একটি ভবিষ্যদ্বাণীকারী পরিবর্তনশীল হিসাবে পরিচিত), সমীকরণ y =wx+b সহ, যেখানে y এর প্রকরণ ধ্রুবক বলে ধরে নেওয়া হয়। |
এটি অপ্রাসঙ্গিক এবং অপ্রয়োজনীয় বৈশিষ্ট্যগুলি সরানোর জন্য ব্যবহার করা যেতে পারে। | এটি শুধুমাত্র একটি ছোট আকারে মূল ডেটার উপস্থাপনা কৌশল। |
এই কৌশলে, কিছু ডেটা হারিয়ে যেতে পারে যা অনুপযুক্ত। | এই পদ্ধতিতে, ডেটার কোন ক্ষতি হয় না তবে পুরো ডেটাকে একটি ছোট আকারে উপস্থাপন করা হয়। |