基于TensorFlow理解三大降维技术:PCAt-SNE 和自编码器

Posted painmoth

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于TensorFlow理解三大降维技术:PCAt-SNE 和自编码器相关的知识,希望对你有一定的参考价值。

在我们开始之前,先看一个问题:如果你要为以下案例选择一种降维技术,你会怎么选?

1. 你的系统可以使用余弦相似度测量距离,但你需要将其可视化,以便不懂技术的董事会成员也能理解,这些人可能甚至从来没听说过余弦相似度;你会怎么做?

2. 你有必要将数据的维度压缩到尽可能最低,你的限制是要保留大约 80% 的数据,你会怎么做?

3. 你有一个数据库,其中的数据是耗费了大量时间收集的,而且还时不时有新的(相似类型的)数据加入。你需要降低你已有数据的维度,并且还要给到来的新数据降维,你会选择什么方法?

这篇文章的目的是希望能帮助你更好地了解降维,以便你能轻松应对类似这样的问题。

 https://www.sohu.com/a/157563698_465975

 

以上是关于基于TensorFlow理解三大降维技术:PCAt-SNE 和自编码器的主要内容,如果未能解决你的问题,请参考以下文章

《从机器学习到深度学习基于scikit-learn与TensorFlow的高效开发实战》PDF代码分析

tensorflow 中 reduce_sum 理解

第10章 降维与度量学习理解记录

利用奇异值分解SVD给大数据降维

降维LLE与其他降维技术

sqm(sqlmapGUI) pcat修改版