เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การปกปิดข้อมูลในชุดข้อมูลหลายมิติ

การรักษาความเป็นส่วนตัวจะยิ่งทำได้ยากขึ้นเมื่อเกิดปัญหา curse of dimensionality ซึ่งหมายถึงกลุ่มปัญหาที่เกิดขึ้นเมื่อทำงานกับข้อมูลหลายมิติ เมื่อจำนวน feature หรือมิติเพิ่มขึ้น ปริมาณข้อมูลที่ต้องการเพื่อให้สรุปผลได้อย่างแม่นยำก็เพิ่มขึ้นแบบทวีคูณ โดยเฉพาะอย่างยิ่งกับ k-anonymity: ยิ่งมีคอลัมน์มาก การสร้างชุดข้อมูลที่ผ่าน k-anonymity ก็ยิ่งซับซ้อนขึ้นเท่านั้น

PCA ทำงานอย่างไรในบริบทของการปกปิดข้อมูลและการเผยแพร่ชุดข้อมูล?

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ความเป็นส่วนตัวของข้อมูลและการทำให้ข้อมูลไม่ระบุตัวตนด้วย Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง

เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา

เริ่มแบบฝึกหัด