Глоссарий ИИ
Полный словарь искусственного интеллекта
Метод главных компонент (PCA)
Линейная техника снижения размерности, которая преобразует коррелированные переменные в некоррелированные компоненты, максимизируя объясненную дисперсию по ортогональным осям.
t-SNE (стохастическое вложение соседей с t-распределением)
Нелинейный алгоритм снижения размерности, сохраняющий локальные структуры путем минимизации расхождения Кульбака-Лейблера между распределениями вероятностей в исходном и уменьшенном пространствах.
Isomap
Алгоритм снижения размерности, сохраняющий геодезические расстояния путем построения графа соседства и использования многомерного анализа главных компонент.
Многомерное шкалирование (MDS)
Техника визуализации, сохраняющая расстояния между парами точек путем нахождения конфигурации в низкой размерности, минимизирующей стресс сохранения расстояний.
Объясненная дисперсия
Доля общей дисперсии данных, захваченная каждой главной компонентой, служащая критерием для выбора оптимального количества размерностей.
Автокодировщики
Нейронные сети без учителя, изучающие сжатые представления, заставляя выход восстанавливать вход через скрытое пространство уменьшенной размерности.
Факторный анализ
Статистический метод, моделирующий наблюдаемые переменные как линейные комбинации ненаблюдаемых скрытых факторов, разделяя общую и уникальную дисперсию.
Перплексия в t-SNE
Гиперпараметр, контролирующий эффективное количество соседей, рассматриваемых в алгоритме t-SNE, влияющий на баланс между сохранением локальных и глобальных структур.
ICA (Анализ независимых компонент)
Метод слепого разделения источников, который стремится разложить многомерные сигналы на статистически независимые компоненты, максимизируя негауссовость.
Вариационные автоэнкодеры
Вероятностное расширение автоэнкодеров, изучающее распределение в латентном пространстве, что позволяет генерировать новые данные и обеспечивает лучшую регуляризацию.
PHATE (Потенциал тепловой диффузии для вложения траекторий на основе сходства)
Алгоритм, сохраняющий траектории и ветвления в данных, комбинируя тепловую диффузию и снижение размерности для визуализации непрерывных процессов.
NMF (Неотрицательная матричная факторизация)
Матричное разложение с ограничением неотрицательных значений, производящее интерпретируемые базисы и аддитивные представления данных.