Espace à haute dimension

@brunop,

"Espace à haute dimension" ne veut rien dire. C'est la traduction littérale automatique (Google Translate, Bing Translator, Linguee, ...) de l'anglais "high-dimensional space", c'est-à-dire "espace multidimensionnel".

Pour expliquer ceci de manière simpliste, lorsque un jeu de données est constitué de seulement 2 ou 3 propriétés différentes, on peut les représenter par le n-uplet (x, y) ou (x, y, z) et les traduire par les coordonnées de points dans un espace à 2 ou 3 dimensions. Ils forment alors un nuage de points qui peut être interprété. Mais lorsque les données sont issues d'une base de données relationnelle comptant un nombre plus ou moins grand de tables, chacune possédant un nombre plus ou moins grand de colonnes – ou attributs –, on est confrontés à l'impossibilité de les représenter dans un espace multidimensionnel. Une technique consiste alors à considérer un point (n-uplet) et à rechercher son ou ses voisins les plus proches, l'idée étant d'isoler une région de cet espace dans laquelle les points sont proches les uns des autres. Les éléments de ce sous-ensemble de données sont considérés comme corrélés plus ou moins fortement selon la distance qui les sépare.

Si tu tapes dans Google quelque chose comme "recherche de voisins dans un espace multidimensionnel", tu vas trouver des documents dont le titre sera par exemple "SC-LSH : une méthode d'indexation pour une recherche de similarité approximative dans l'espace multidimensionnel". J'espère que tu comprends le chinois ! B-)