סֵמֶל
יוניונפדיה
תִקשׁוֹרֶת
 Google Play כעת ב-
חָדָשׁ! הורד יוניונפדיה במכשיר אנדרואיד שלך!
חופשי
גישה מהירה יותר מאשר בדפדפן!
 

Gradient descent וT-SNE

קיצורי דרך ל: הבדלים, דמיון, Jaccard דמיון מקדם, אזכור.

הבדל בין Gradient descent וT-SNE

Gradient descent vs. T-SNE

תרשים של אופטימיזציה איטרטיבית באמצעות Gradient descent. על פי הגרדיאנט נקבעת נקודת השערוך הבאה כשבכל שלב מתקדמים לכיוון נקודת האופטימום. הקווים הכחולים הם עקומת גובה קו. סדרת הנקודות הנבחרות x מצוינות כשחץ אדום מסמן את כיוון ההתקדמות (הכיוון הנגדי לגרדיאנט) Gradient descent (בתרגום מילולי: מורד הגרדיאנט) היא שיטת אופטימיזציה איטרטיבית מסדר ראשון למציאת מינימום מקומי של פונקציה. t-distributed Stochastic Neighbor Embedding) t-SNE) הוא אלגוריתם בלמידה חישובית להורדת ממדים, שפותח על ידי לורנס ואן דר מאטן וג'פרי הינטון. זוהי שיטה לא-ליניארית להורדת ממדים שמתאימה במיוחד להורדת מימד של מרחבים ממימד גבוה למרחבים מממד 2 או 3 (מפות). האלגוריתם ממדל כל אובייקט מהמרחב הרב-ממדי בעזרת נקודה דו־ממדית או תלת־ממדית כך שאובייקטים דומים ימודלו לנקודות קרובות זו לזו, ואובייקטים רחוקים ימודלו לנקודות רחוקות זו מזו. אלגוריתם ה-t-SNE כולל שני שלבים עיקריים. בהתחלה האלגוריתם בונה התפלגות עבור כל זוג אובייקטים ממימד גבוה כך שלאובייקטים דומים יש הסתברות גבוהה להיבחר, בעוד שלאובייקטים לא דומים יש הסתברות נמוכה מאוד (אינפיניטסימלית) להיבחר. שנית, האלגוריתם מגדיר התפלגות באופן דומה עבור כל זוג נקודות במפה ממימד נמוך. לאחר מכן האלגוריתם מנסה להביא למינימום את דיברגנץ קולבק-ליבלר (Kullback–Leibler divergence) בין שתי ההתפלגויות, ביחס למיקומים של הנקודות על המפה. האלגוריתם המקורי משתמש במרחק אוקלידי כדי למצוא מרחק בין שני אובייקטים, אך ניתן להשתמש במטריקות אחרות לחישוב המרחק. אלגוריתם t-SNE שימושי במגוון רחב של תחומים, כגון אבטחת מחשב אישי ברשת, ניתוח מוזיקלי, חקר הסרטן וביואינפורמטיקה.

דמיון בין Gradient descent וT-SNE

Gradient descent וT-SNE יש להם 0 דברים במשותף (ביוניונפדיה).

הרשימה לעיל עונה על השאלות הבאות

השוואה בין Gradient descent וT-SNE

יש Gradient descent 9 יחסים. יש Gradient descent 17. כפי שיש להם במשותף 0, מדד הדמיון הוא = 0 / (9 + 17).

אזכור

מאמר זה מציג את מערכת היחסים בין Gradient descent וT-SNE. כדי לגשת לכל מאמר שממנו הופק המידע, בקר בכתובת:

היי! אנחנו בפייסבוק עכשיו! »