Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
t-SNE (t-Distributed Stochastic Neighbor Embedding)
Algorithme de réduction de dimension non-linéaire particulièrement efficace pour visualiser des données de grande dimension en se concentrant sur la préservation des structures locales similaires.
Nombre de voisins (n_neighbors)
Paramètre fondamental de l'UMAP déterminant la taille du voisinage local utilisé pour construire la représentation de la variété, affectant directement la préservation de la structure.
Force répulsive
Mécanisme dans les algorithmes de visualisation comme t-SNE et UMAP empêchant l'agglutination des points et préservant la structure locale des données.
Optimisation par descente de gradient
Processus itératif utilisé pour minimiser la fonction de coût dans t-SNE et UMAP, ajustant progressivement les positions des points dans l'espace réduit.
Structure locale vs globale
Compromis fondamental dans les algorithmes de réduction de dimension entre la préservation des relations de voisinage proches et la disposition globale des clusters.
Variété topologique (Manifold)
Concept mathématique sous-jacent à UMAP supposant que les données de haute dimension résident sur une surface de plus faible dimension plongée dans l'espace original.
Graphe k-plus proches voisins (k-NN)
Structure de données intermédiaire utilisée par UMAP pour modéliser les relations de voisinage avant la projection dans l'espace de dimension réduite.
Min_distance
Paramètre UMAP contrôlant la distance minimale autorisée entre les points dans l'espace réduit, influençant la compacité des clusters résultants.
Embedding quality
Mesure de la fidélité avec laquelle la représentation en basse dimension préserve les relations structurelles des données originales.
Stochastic embedding
Nature probabiliste de t-SNE où les positions finales peuvent varier entre exécutions, contrairement aux approches déterministes de réduction de dimension.
Cross-entropy optimization
Alternative à la divergence de Kullback-Leibler utilisée dans certaines implémentations de t-SNE pour une convergence plus stable de l'optimisation.