Визуализация скрытого пространства: PCA, t-SNE, UMAP | Глубокое обучение с анимацией

В этом видео вы узнаете о трёх распространённых методах снижения размерности данных: PCA, t-SNE и UMAP. Они особенно полезны, когда требуется визуализировать скрытое пространство автокодировщика.

Если вы хотите узнать больше об этих методах, вот несколько ключевых статей:
UMAP: Равномерное многообразие: аппроксимация и проекция для снижения размерности https://arxiv.org/abs/1802.03426
Стохастическое встраивание соседних элементов https://papers.nips.cc/paper_files/pa...
Визуализация данных с помощью t-SNE https://www.jmlr.org/papers/volume9/v...

А если вы хотите узнать о более современных методах, таких как TriMAP и PACMAP, вот статьи:
TriMap: Снижение размерности в больших масштабах с помощью триплетов https://arxiv.org/abs/1910.00204
PaCMAP https://arxiv.org/abs/2012.04456

Главы:
00:36 PCA
05:15 t-SNE
13:30 UMAP
18:02 Заключение

Благодарим зрителей, которые внесли свой вклад в создание субтитров:
Китайский: Zhiming, MouRen Sun

В этом видео представлены анимации, созданные с помощью Manim, вдохновлённые работой Гранта Сандерсона в @3blue1brown. Вот код, который я использовал для создания этого видео: https://github.com/ytdeepia/Latent-Sp...

Если вам понравился контент, поставьте лайк, оставьте комментарий и подпишитесь, чтобы поддержать канал!

#ГлубокоеОбучение #PCA #ИскусственныйИнтеллект #tsne #НаукаОданных #СкрытоеПространство #Manim #УчебноеРуководство #МашинноеОбучение #Образование #somepi