HyperAIHyperAI

Command Palette

Search for a command to run...

تضمين الجار العشوائي لتوزيع T

Date

منذ 2 أعوام

T – تضمين الجوار العشوائي الموزعإنها طريقة تعلم آلي لتقليل الأبعاد ويمكن استخدامها لتحديد أنماط الارتباط. ميزتها الرئيسية هي أنها تحافظ على البنية المحلية. وهذا يعني أن النقاط ذات المسافات المتشابهة في مساحة البيانات عالية الأبعاد تظل متشابهة عند إسقاطها في أبعاد منخفضة.

ميزات T-SNE

في الفضاء منخفض الأبعاد، يمكن أن يؤدي استخدام توزيع t مع توزيع ذيل طويل أثقل إلى تجنب مشاكل الازدحام والتحسين.

ميزة التدرج T-SNE

  • بالنسبة للنقط المختلفة، يتم استخدام مسافة أصغر لتوليد تدرج أكبر لصد النقاط؛
  • هذا التنافر ليس لانهائيًا، لتجنب أن تكون النقاط المختلفة بعيدة جدًا عن بعضها البعض.

T-SNE ليس كافيا

  • يتم استخدام T-SNE بشكل أساسي للتوضيح، لذا فإن أداءه ضعيف في جوانب أخرى، مثل تقليل الأبعاد في مجموعة الاختبار. نظرًا لعدم وجود جزء تقدير صريح، فلا يمكن تقليله بشكل مباشر على مجموعة الاختبار.
  • تميل T-SNE إلى الحفاظ على الميزات المحلية. بالنسبة لمجموعات البيانات ذات الأبعاد الجوهرية العالية، فمن المستحيل تعيينها بالكامل في مساحة ثنائية أو ثلاثية الأبعاد.
  • لا يحتوي T-SNE على حل مثالي فريد أو جزء تقدير. لإجراء تقدير، يجب عليك مراعاة تقليل الأبعاد ثم بناء نموذج مثل معادلة الانحدار.
  • التدريب بطيء للغاية، ويتم تحسين العديد من الخوارزميات القائمة على الشجرة على T-SNE.
كلمات ذات صلة: توزيع T

Build AI with AI

From idea to launch — accelerate your AI development with free AI co-coding, out-of-the-box environment and best price of GPUs.

AI Co-coding
Ready-to-use GPUs
Best Pricing

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
تضمين الجار العشوائي لتوزيع T | Wiki | HyperAI