subsampling 뜻
하위 샘플링 [원본 데이터의 대표 하위 집합을 선택하여 데이터 집합의 데이터 양을 줄이는 프로세스입니다].
subsampling는 어떻게 사용할 수 있을까요?
아래 예문들을 통해 다양한 상황에서 "subsampling"가 어떻게 쓰일 수 있는지 알아보세요!
예문
Subsampling is often used to speed up machine learning algorithms.
서브샘플링은 종종 기계 학습 알고리즘의 속도를 높이는 데 사용됩니다.
예문
The image was subsampled to reduce its size and processing time.
이미지는 크기와 처리 시간을 줄이기 위해 서브샘플링되었습니다.
예문
The audio file was subsampled to reduce its bitrate.
오디오 파일은 비트 전송률을 줄이기 위해 서브샘플링되었습니다.
subsampling의 유의어와 반의어
subsampling의 유의어
- sampling
- decimation
- downsampling
subsampling와(과) 관련된 관용어는 어떤 것들이 있나요?
데이터 포인트가 원래 데이터 세트에서 임의로 선택되는 서브샘플링 방법
예문
Random subsampling is often used in machine learning to create training and testing datasets.
무작위 서브샘플링은 기계 학습에서 학습 및 테스트 데이터 세트를 만드는 데 자주 사용됩니다.
stratified subsampling
데이터 요소가 원래 데이터 세트에서 서로 다른 클래스 또는 범주의 비율을 유지하는 방식으로 선택되는 서브샘플링 방법입니다
예문
Stratified subsampling is often used when the original dataset is imbalanced, meaning that some classes or categories have much fewer data points than others.
계층화된 하위 샘플링은 원래 데이터 세트가 불균형할 때 자주 사용되며, 이는 일부 클래스 또는 범주가 다른 클래스보다 훨씬 적은 데이터 요소를 갖는다는 것을 의미합니다.
데이터 포인트가 해결되는 문제와의 중요성 또는 관련성에 따라 선택되는 서브샘플링 방법
예문
Adaptive subsampling is often used in signal processing to reduce the amount of noise in a signal while preserving its important features.
적응형 서브샘플링은 신호의 중요한 기능을 유지하면서 신호의 노이즈 양을 줄이기 위해 신호 처리에 자주 사용됩니다.
subsampling: 핵심 요약
서브샘플링 [sʌbˈsæmplɪŋ]은 원본 데이터의 대표적인 하위 집합을 선택하여 데이터 집합의 데이터 양을 줄이는 프로세스입니다. 기계 학습 알고리즘의 속도를 높이고 대규모 데이터 세트의 크기를 줄이는 데 자주 사용됩니다. 서브샘플링은 해결되는 문제에 따라 무작위로, 계층화 또는 적응적으로 수행할 수 있습니다.
