Метод оценки эффективности сжатия матриц данных в процедурах рандомизированного машинного обучения

Предложен метод оценки эффективности уменьшения размерности пространства признаков, ориентированный на использование в процедурах рандомизированнго машинного обучения. Эффективность измеряется в терминах функции Кульбака-Ляйблера, интерпретируемой как информационное расстояние между энтропийно-оптимальными функциями плотности распределения вероятностей для исходной и редуцированной входной обучающей коллекции.