عنوان	نقش جبر خطی در کاهش ابعاد داده‌ها و تأثیر آن بر کارایی مدل‌های یادگیری ماشین
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	جبر خطی، یادگیری ماشین، کاهش ابعاد داده‌ها، PCA.
چکیده	استفاده روزافزون از منابع تولید داده و اطلاعات در عصر حاضر منجر به افزایش بی‌رویه داده‌ها شده است. افزایش حجم داده‌ها علاوه بر نیاز به امکانات سخت‌افزاری و نرم‌افزاری خاص برای نگهداری و پردازش این داده‌ها، منجر به کاهش کارایی الگوریتم‌های استخراج اطلاعات مفید مانند الگوریتم‌های طبقه‌بند و یادگیری ماشین می‌گردد. یکی از روش‌های مفید برای غلبه بر این مسئله، استفاده از الگوریتم‌های کاهش داده‌ها است. از کاربردهای جبر خطی، که شاخه‌ای مهم از علم ریاضیات است، امکان ایجاد این الگوریتم‌های کاهش داده‌ها و حذف داده‌ها نامرتبط و افزایش کارایی الگوریتم‌های یادگیری ماشین است. یکی از الگوریتم‌هایی که از جبر خطی به خوبی استفاده می‌کند، الگوریتم PCA است که در این مقاله بررسی شده و نتایج اجرای آن روی چند مجموعه داده تحلیل شد. نتایج حاصل نشان می‌دهد که استفاده از PCA منجر به حذف داده‌های نامرتبط می‌گردد که ضمن کاهش حجم قابل توجهی از داده‌ها، باعث افزایش کارایی الگوریتم‌های طبقه‌بند می‌گردد.
پژوهشگران	زینب عباسی (نفر اول)