Глоссарий ИИ
Полный словарь искусственного интеллекта
t-SNE (t-распределенное стохастическое вложение соседей)
Нелинейный алгоритм снижения размерности, особенно эффективный для визуализации данных высокой размерности с фокусом на сохранение локальных подобных структур.
Количество соседей (n_neighbors)
Фундаментальный параметр UMAP, определяющий размер локальной окрестности, используемой для построения представления многообразия, напрямую влияющий на сохранение структуры.
Сила отталкивания
Механизм в алгоритмах визуализации, таких как t-SNE и UMAP, предотвращающий скопление точек и сохраняющий локальную структуру данных.
Оптимизация градиентным спуском
Итерационный процесс, используемый для минимизации функции стоимости в t-SNE и UMAP, постепенно настраивая положения точек в пространстве сниженной размерности.
Локальная vs глобальная структура
Фундаментальный компромисс в алгоритмах снижения размерности между сохранением близких соседних отношений и глобальным расположением кластеров.
Топологическое многообразие (Manifold)
Математическая концепция, лежащая в основе UMAP, предполагающая, что данные высокой размерности находятся на поверхности более низкой размерности, вложенной в исходное пространство.
Граф k-ближайших соседей (k-NN)
Промежуточная структура данных, используемая UMAP для моделирования отношений соседства перед проекцией в пространство сниженной размерности.
Min_distance
Параметр UMAP, контролирующий минимальное допустимое расстояние между точками в пространстве сниженной размерности, влияющий на компактность результирующих кластеров.
Качество вложения
Мера того, насколько точно представление в пространстве низкой размерности сохраняет структурные отношения исходных данных.
Стохастическое вложение
Вероятностная природа t-SNE, при которой конечные положения могут варьироваться от запуска к запуску, в отличие от детерминистических подходов снижения размерности.
Оптимизация перекрестной энтропии
Альтернатива расхождению Кульбака-Лейблера, используемая в некоторых реализациях t-SNE для более стабильной сходимости оптимизации.