Data reduction: Obtain a reduced re

Data reduction: Obtain a reduced representation of the data set that is much smaller in volume but yet produces the same (or almost the same) analytical results
Why data reduction? — A database/data warehouse may store terabytes of data. Complex data analysis may take a very long time to run on the complete data set.
Data reduction strategies
Dimensionality reduction, e.g., remove unimportant attributes
Wavelet transforms
Principal Components Analysis (PCA)
Feature subset selection, feature creation
Numerosity reduction (some simply call it: Data Reduction)
Regression and Log-Linear Models
Histograms, clustering, sampling
Data cube aggregation
Data compression

Results (Indonesian) 1:

Data pengurangan: mendapatkan representasi berkurang set data yang jauh lebih kecil dalam volume tetapi belum menghasilkan yang sama (atau hampir sama) hasil analisisMengapa data pengurangan? -Gudang database/data dapat menyimpan terabyte data. Analisis data yang kompleks dapat mengambil waktu yang sangat lama untuk dijalankan pada set data lengkap.Data strategi penguranganPengurangan dimensi, misalnya, menghapus atribut pentingTransformasi waveletPrincipal component Analysis (PCA)Fitur subset seleksi, fitur penciptaanPengurangan numerosity (beberapa hanya menyebutnya: pengurangan Data)Regresi dan model linier LogHistogram, pengelompokan, samplingData kubus agregasiKompresi data

Results (Indonesian) 2:

Reduksi data: Mendapatkan representasi berkurang dari kumpulan data yang jauh lebih kecil dalam volume tapi belum menghasilkan sama (atau hampir sama) hasil analisis tersebut
Mengapa reduksi data? - Sebuah gudang database / data yang dapat menyimpan terabyte data. . Analisis data yang kompleks dapat memakan waktu yang sangat lama untuk berjalan di set data lengkap
strategi pengurangan data
pengurangan Dimensi, misalnya, menghapus penting atribut
Wavelet mengubah
Analisis Komponen (PCA)
Fitur pilihan bagian, penciptaan fitur
pengurangan Numerosity (beberapa hanya menyebutnya: Data Reduction)
Regresi dan Log-Linear Model
Histogram, clustering, sampling
Data kubus agregasi
kompresi data yang