उच्च-आयामी डेटा का अनामीकरण

Dimensionality के अभिशाप (curse of dimensionality) के कारण प्राइवेसी बनाए रखना अलाभकारी/अप्रभावी हो जाता है. Curse of dimensionality उन समस्याओं का समूह है जो उच्च-आयामी डेटा पर काम करते समय सामने आती हैं. जैसे-जैसे फीचर्स या dimensions की संख्या बढ़ती है, उतना ही अधिक डेटा हमें सटीक generalization के लिए चाहिए होता है — और यह आवश्यकता घातांकीय रूप से बढ़ती है. k-anonymity के साथ यह विशेष रूप से सही है: जितने अधिक कॉलम, k-anonymous डेटासेट हासिल करना उतना ही जटिल.

डेटासेट्स के अनामीकरण और उनकी रिलीज़ के संदर्भ में PCA कैसे काम करता है?