##  [Intrinsische Dimension](/de/node/60599) 

 Definition

Eine Abschätzung der minimalen Zahl an Freiheitsgraden oder unabhängigen Parametern, die erforderlich sind, um Daten oder ein Lösungsmanifold lokal darzustellen; sie spiegelt oft die lokale topologische oder geometrische Dimension und nicht den Raum der Einbettung wider.

 

 

 

 

 

 





## Prinzip

Prinzip

Die lokale Struktur lässt sich durch eine niedrigerdimensionale Parametrisierung approximieren: die intrinsische Dimension zählt die unabhängigen Richtungen lokaler Variabilität, die ausreichen, um lokale Nachbarschaften bis zu einem akzeptablen Fehler zu rekonstruieren.

 

 

 

 

 





## Demonstration

Demonstration

Punkte, die von einer glatten zweidimensionalen Fläche in R^3 stammen, haben intrinsische Dimension 2: lokal parametrisiert eine Tangentialebene mit zwei Koordinaten die Nachbarschaft, obwohl der Einbettungsraum dreidimensional ist.

 

 

 

 

## Fehlanwendung

Fehlanwendung

Verwechslung von intrinsischer und ambulanter (Einbettungs-)Dimension oder die Anwendung globaler linearer Methoden (PCA) auf stark gekrümmte oder mehrskalige Mannigfaltigkeiten; oder das Berichten einer einzigen globalen Zahl, obwohl die lokale Dimension variiert.

 

 

 

 

 





## Konsequenz

Konsequenz

Die Kenntnis der intrinsischen Dimension leitet Modellwahl, Abtastrate, Auswahl reduzierter Koordinaten und Regularisierung; korrekt geschätzt kann sie Modellkomplexität verringern und Generalisierung verbessern.

 

 

 

 

## Umkehrung

Umkehrung

Die Umkehrung ist die ex- oder ambiante Dimension: alle Koordinaten des Einbettungsraums zu zählen statt der lokalen Freiheitsgrade, was die notwendige Komplexität überschätzt.

 

 

 

 

 





## Abgrenzung

Abgrenzung

Intrinsische Dimension ist lokal sinnvoll und für Strukturen, die sich auf der betrachteten Skala wie Mannigfaltigkeiten verhalten; sie ist nicht eindeutig für fraktale oder stark verrauschte Daten ohne Skalentrennung, und verschiedene Definitionen (topologisch, Hausdorff, Korrelationsdimension) können abweichen.

 

 

 

 

 





## Semantische Spannung

Semantische Spannung

Spannung zwischen Mannigfaltigkeitsdimension, fraktalen (Hausdorff‑)Dimensionen und algorithmischen 'effektiven' Dimensionen (z. B. Anzahl signifikanter PCA‑Eigenwerte); jede erfasst einen anderen Aspekt von 'Dimension'.

 

 

 

 

 





## Synthese

Synthese

Die intrinsische Dimension ist die lokal minimale Anzahl unabhängiger Koordinaten, die zur Beschreibung der Variabilität auf einem Daten‑ oder Lösungsmanifold nötig sind; sie ist definitions‑ und skalenabhängig und leitet sinnvolle Reduktionsentscheidungen.