Visão geral
- Um estagiário do Google foi pioneiro num método que utiliza tSNE para visualizar conjuntos de dados de alta dimensão"Dimensão" É um termo usado em várias disciplinas, como a física, Matemática e filosofia. Refere-se à extensão em que um objeto ou fenômeno pode ser analisado ou descrito. Em física, por exemplo, fala-se de dimensões espaciais e temporais, enquanto em matemática pode se referir ao número de coordenadas necessárias para representar um espaço. Compreendê-lo é fundamental para o estudo e....
- Este método gera gráficos mais rápido do que qualquer outro criado antes, E pode ser aberto no seu navegador!!
- Ele foi criado e de código aberto na família TensorFlow.js
Introdução
Lidar com dados de alta dimensão sempre foi um grande desafio para cientistas de dados. Espera-se que você procure por recursos ocultos, explorando o vasto terreno do conjunto de dados (em sua maioria) desconhecido, contendo centenas, sim não centenas, de variáveis. Como diabos você começa?
Para lidar com isso, O algoritmo tSNE foi criado. Você com certeza ainda tem PCA de que pode aproveitar, mas quando você tem um conjunto de dados ENORME e deseja procurar um padrão no estilo não linear (um método mais avançado), tSNE provou ser mais eficaz. Mapeia conjuntos de dados multidimensionais em duas ou mais dimensões. Também reduz o número de pacotes que você precisa gerar quando se trata de um grande número de dimensões.
Se você é novo no tSNE ou precisa de uma atualização, consulte este guia que explica de forma abrangente este conceito maravilhoso.
Mas uma das limitações do tSNE é que é computacionalmente muito complexo. Mesmo quando se destina a grandes conjuntos de dados, esta restrição limitou você a conjuntos de dados relativamente pequenos. Então, um estagiário do Google decidiu ser o pioneiro em uma abordagem inovadora para maximizar o uso de tSNE. Seu método depende muito de hardware gráfico moderno.
Esta nova abordagem gera inlays muito mais rápido do que qualquer outra técnica neste espaço.. Mas o que realmente chama a atenção é que ele pode ser executado em um navegador da web!! Como você pergunta? É aqui que o TensorFlow.js vem à tona. O método do Google aproveita os recursos da GPU via WebGL, uma API JavaScript usada para renderizar gráficos 2D e 3D em qualquer navegador. Confira nossa cobertura do TensorFlow.js aqui.
A equipe, liderado por estagiário, ele posteriormente testou sua abordagem no popular conjunto de dados de imagens manuscritas do MNIST. O que eu bebia 15 minutos para calcular agora podem ser feitos em tempo real e no próprio navegador. Fale sobre o progresso!
A imagem acima oferece uma visão geral dessa abordagem.. Eu resumi isso abaixo, tomando um extrairO extrato é uma substância obtida pela concentração de compostos de origem vegetal, animal ou mineral. Usado em uma variedade de aplicações, como a indústria alimentícia, Farmacêutica e Cosmética. Os extratos podem ser apresentados na forma líquida, em pó ou sob a forma de tinturas, e sua produção envolve técnicas como maceração, Destilação ou extração por solvente. Seu uso permite aproveitar as propriedades benéficas dos ingredientes originais de uma maneira mais adequada.. do seu trabalho de investigação:
- Primeira foto: a minimização da função objetivo é calculada em tempo linear usando um campo escalar
- Segunda foto: e um campo vetorial bidimensional
- Terceira e quarta imagens: Os campos são calculados na GPU por meio da projeção de núcleos adequadamente projetados usando a função de mesclagem aditiva do pipeline de renderização moderno. O resto da redução ao mínimo é tratado como um pipeline de cálculo de tensorOs tensores são estruturas matemáticas que generalizam conceitos como escalares e vetores. São utilizados em diversas disciplinas, incluindo física, engenharia e aprendizagem automática, para representar dados multidimensionais. Um tensor pode ser visualizado como uma matriz de múltiplas dimensões, o que permite modelar relações complexas entre diferentes variáveis. A sua versatilidade e capacidade para lidar com grandes volumes de informação tornam-no uma ferramenta fundamental na análise e processamento de dados.... que é calculado na GPU através do TensorFlow.js
Eu listei alguns recursos abaixo, Eu encorajo você a consultar para obter um entendimento profundo desta abordagem:
Nossa opinião sobre isso
Se você já lidou com conjuntos de dados de alta dimensão, você pode já estar no caminho certo para usar esta abordagem. Essa abordagem tSNE pode ser uma verdadeira virada de jogo para instituições que lidam com grandes conjuntos de dados e não têm muito tempo disponível..
Uma das (alguns) limitações hoje é sua capacidade de gerar apenas visualizações 2D (ainda não funciona com 3D). Mas eu não vejo isso como um obstáculo, uma vez que a maioria das visualizações de dados com que os cientistas trabalham estão no espaço 2D (a menos que você esteja trabalhando com dados geoespaciais).
“Fontes abertas do Google” tornou-se uma frase muito usada nos dias de hoje. Eu adoro que eles abram constantemente os resultados de suas pesquisas para beneficiar a comunidade de ML em geral.. Deixe-me saber o que você acha dessa técnica na seção de comentários abaixo..
