|
潜空间 (机器学习)潜空间（Latent Space）也被称为潜特征空间或嵌入空间，是一组元素在流形内的嵌入，相似的元素在潜空间内的距离较小。潜空间中的位置由一组潜变量定义，这些潜变量产生于元素间的相似性。 大多数情况下，潜空间的维度都要设定得低于数据点特征空间的维度，意味着潜空间的构建实际上是降维，也可看作是数据压缩的一种形式。[1]潜空间通常通过机器学习进行拟合，然后可被用作机器学习模型的特征空间，包括分类器等监督预测器。 对机器学习模型潜空间的解释是一个活跃的研究领域，但很难实现。由于机器学习模型的黑箱性质，潜空间可能是完全不直观的。此外，潜空间往往是高维、复杂、非线性的，进一步增加了解释的难度。[2]一些可视化技术用于将潜空间展现出来，但潜空间的解释和模型本身往往没有直接联系。这类技术包括t分布随机邻域嵌入（t-SNE），其中潜空间被映射到二维以实现可视化。潜空间中的距离难以用物理单位表达，所以对距离的解释取决于具体应用。[3] 有许多算法可在给定一组数据项和一个相似性函数的情况下创建潜空间嵌入。 另见参考
Information related to 潜空间 (机器学习) |
Index:
pl ar de en es fr it arz nl ja pt ceb sv uk vi war zh ru af ast az bg zh-min-nan bn be ca cs cy da et el eo eu fa gl ko hi hr id he ka la lv lt hu mk ms min no nn ce uz kk ro simple sk sl sr sh fi ta tt th tg azb tr ur zh-yue hy my ace als am an hyw ban bjn map-bms ba be-tarask bcl bpy bar bs br cv nv eml hif fo fy ga gd gu hak ha hsb io ig ilo ia ie os is jv kn ht ku ckb ky mrj lb lij li lmo mai mg ml zh-classical mr xmf mzn cdo mn nap new ne frr oc mhr or as pa pnb ps pms nds crh qu sa sah sco sq scn si sd szl su sw tl shn te bug vec vo wa wuu yi yo diq bat-smg zu lad kbd ang smn ab roa-rup frp arc gn av ay bh bi bo bxr cbk-zam co za dag ary se pdc dv dsb myv ext fur gv gag inh ki glk gan guw xal haw rw kbp pam csb kw km kv koi kg gom ks gcr lo lbe ltg lez nia ln jbo lg mt mi tw mwl mdf mnw nqo fj nah na nds-nl nrm nov om pi pag pap pfl pcd krc kaa ksh rm rue sm sat sc trv stq nso sn cu so srn kab roa-tara tet tpi to chr tum tk tyv udm ug vep fiu-vro vls wo xh zea ty ak bm ch ny ee ff got iu ik kl mad cr pih ami pwn pnt dz rmy rn sg st tn ss ti din chy ts kcg ve
