کمیت کی لعنت ان تنازعات کو کہتے ہیں جو بلند ترین تقسیمی جگہوں پر ڈیٹا کو منظم کرنے اور ان کی کارکردگی کرنے کے بعد پیدا ہوتے ہیں۔جب خصوصیات کی تعداد بڑھتی ہے تو ڈیٹا تجزیہ کی پیچیدگی میں اضافہ ہوتا ہے، الجبرا کی کارکردگی اور منڈل کی تعبیر پر اثر انداز ہوتا ہے۔
تدریسی فاؤنڈیشنز
بلند ترین مقامات میں اعداد و شمار کو ہضم کرنے کا رجحان ہوتا ہے۔اس اس اسپرسیت کو الجبرا کو معنی انداز تلاش کرنے میں مشکل بنا دیتا ہے کیونکہ دوری کا تصور کم فاصلے پر بن جاتا ہے.
مشین سیکھنا
مشین سیکھنے کے ماڈل اکثر ہائیڈیزل ڈیٹا کے ساتھ جدوجہد کرتے ہیں۔کلٹیئم زیادہ عام ہو جاتا ہے اور ماڈل اچھی طرح سے بہتر بنانے میں ناکام ہو سکتا ہے۔اس کے علاوہ ، کم لاگت کے اخراجات میں اضافہ، تربیت اور تناسب زیادہ تر وسائل کی فراہمی میں اضافہ کرنے میں ناکام ہو سکتا ہے۔
عملی حل
- ] Dimenciality Reduction:] ٹیکنک جیسے پریمیئر کمونیسنٹ اینالیسیس (PCA) کی تعداد کم کرتے ہیں جبکہ ضروری معلومات محفوظ کرتے ہیں۔
- [Feature انتخاب: انتخاب کرنے سے متعلقہ ترین خصوصیات کا انتخاب شور اور seconsta کو ختم کرنے میں مدد دیتا ہے۔
- ری ایکٹریشن: [1] لاسو اور ریج جیسے کہ اعلیٰ درجے کے ماڈلز میں انفلیشن کو روکنے کے لیے مزید کچھ شامل کیا جاتا ہے۔
- ] داتا گنج بخش : [1] ڈیٹا سیٹ سائز کو مائٹو سپراسس کر سکتا ہے۔