Foghlaim Ilghnéitheach vs Laghdú Toiseachta Líneach
Pléann foghlaim ilghnéitheach agus laghdú toise líneach araon sonraí ardtoise, ach tá difríocht bhunúsach eatarthu sa chaoi a gcoimeádann siad struchtúr. Glacann modhanna líneacha leis go bhfuil sonraí suite ar hipearphlána cothrom, ach nochtar caidrimh cuartha, neamhlíneacha i bhfoghlaim ilghnéitheach. Braitheann an rogha eatarthu ar cibé an bhfuil geoiméadracht intreach do shonraí cothrom nó cuartha.
Suntasanna
Glacann foghlaim ilghnéitheach leis go bhfuil geoiméadracht cuartha ann; glacann modhanna líneacha leis go bhfuil hipearphlánaí cothroma ann.
Caomhnaíonn modhanna líneacha struchtúr domhanda, agus tugann modhanna ilghnéitheacha tús áite do chomharsanachtaí áitiúla.
Sroicheann PCA agus cairde na milliúin pointe; bíonn t-SNE agus UMAP ag streachailt le dul thar na mílte pointe.
Is féidir teilgin líneacha a chur i bhfeidhm ar shonraí nua láithreach, ach is minic nach féidir leabaithe ilghnéitheacha a chur i bhfeidhm.
Cad é Foghlaim Ilghnéitheach?
Rang de theicnící neamhlíneacha a nochtann struchtúir cuartha ísealtoiseacha atá i bhfolach laistigh de shonraí ardtoiseacha.
Tá foghlaim iltoiseach bunaithe ar an hipitéis iltoiseach, a ghlacann leis go bhfuil sonraí ardtoiseacha i ndáiríre ar dhromchla cuartha níos ísle-toiseach.
I measc na n-algartaim choitianta tá Isomap, Leabú Líneach Áitiúil (LLE), t-SNE, UMAP, agus Léarscáileanna Dílse Laplacian.
Tá sé den scoth maidir le comharsanachtaí áitiúla a chaomhnú, rud a chiallaíonn go bhfanann pointí in aice láimhe i spás ardtoiseach gar don ghrúpa san ionadaíocht laghdaithe.
Bíonn deacrachtaí ag formhór na modhanna ilghnéitheacha le teilgean lasmuigh den sampla, rud a fhágann go bhfuil sé deacair pointí sonraí nua a mhapáil gan athoiliúint.
Úsáidtear t-SNE agus UMAP go forleathan chun tacair sonraí casta amhail seicheamhú RNA aoncheallach agus leabú íomhánna a léirshamhlú.
Cad é Laghdú Toiseachta Líneach?
Teicnící a theilgeann sonraí ardtoiseacha ar fho-spásanna níos ísle trí chlaochluithe líneacha a úsáid.
Is é an modh líneach is cáiliúla, Anailís Phríomh-Chomhpháirteanna (PCA), a forbraíodh sa bhliain 1901 ag Karl Pearson.
Glacann modhanna líneacha leis gur fearr a ghabhtar athraitheacht sonraí feadh aiseanna ortagónacha sa spás gné bunaidh.
Caomhnaíonn siad struchtúr domhanda, rud a chiallaíonn go gcoimeádtar an cruth foriomlán agus na faid idir pointí i bhfad i gcéin.
Tá teicnící líneacha éifeachtúil ó thaobh ríomhaireachta de agus scálann siad go maith chuig na milliúin samplaí.
Chomh maith le PCA, áirítear leis an teaghlach Anailís Idirdhealaitheach Líneach (LDA), Anailís Fachtóir, agus SVD Giorrtha.
Tábléad Comparáide
Gné
Foghlaim Ilghnéitheach
Laghdú Toiseachta Líneach
Toimhde Lárnach
Tá sonraí suite ar iomadán cuartha ísealtoiseach
Tá sonraí suite ar fhospás líneach cothrom
Struchtúr Caomhnaithe
Comharsanachtaí áitiúla den chuid is mó
Athraitheas domhanda den chuid is mó
Costas Ríomhaireachtúil
Níos airde i gcoitinne, go minic O(n²) nó níos measa
Íseal, de ghnáth O(n·d²) nó níos tapúla
Inléirmhíniú
Níos ísle, is annamh a bhíonn brí dhíreach ag aiseanna
Níos airde, is minic a bhaineann comhpháirteanna le gnéithe bunaidh
Inscálaitheacht
Teoranta, ag streachailt thar na mílte pointe
Sármhaith, láimhseálann sé na milliúin samplaí
Réamh-mheastachán Lasmuigh den tSampla
Deacair, éilíonn sé modhanna comhfhogasúcháin
Díreach trí iolrú maitrís
Cásanna Úsáide is Fearr
Amharcléiriú, patrúin neamhlíneacha, íomhá agus sonraí bitheolaíocha
Comhbhrú gnéithe, réamhphróiseáil, laghdú torainn
Samplaí d'Algartaim
t-SNE, UMAP, Isomap, LLE
PCA, LDA, Anailís Fachtóirí, SVD Gearrtha
Comparáid Mhionsonraithe
Toimhdí Geoiméadracha faoi Shonraí
Is é an deighilt fhealsúnach is mó idir na cineálacha cur chuige seo ná a gcreideann siad faoi chruth do shonraí. Déileálann laghdú líneach toise le sonraí ardtoise amhail is dá mba ar hipearphlána cothrom atá siad, áit a ngabhann línte díreacha agus teilgin ortagónacha an t-athrú is tábhachtaí. Glacann foghlaim ilghnéitheach an dearcadh os coinne, ag áitiú go mbíonn sonraí fíorshaoil ag fillteán agus ag cuarú go minic trí spás ardtoise cosúil le píosa páipéir rocach. Má dhí-rocann tú an páipéar sin, faigheann tú dromchla 2T, agus déanann halgartaim ilghnéitheacha iarracht é sin a dhéanamh go matamaiticiúil.
Struchtúr Áitiúil vs. Domhanda a Chaomhnú
Is seaimpíní iad modhanna líneacha cosúil le PCA maidir le struchtúr domhanda. Cinntíonn siad go bhfanann pointí atá i bhfad óna chéile sa spás bunaidh i bhfad óna chéile tar éis teilgean, rud atá iontach chun an athraitheacht fhoriomlán a thuiscint ach is féidir leis braislí mínmhionsonraithe a dhéanamh doiléir. Athraíonn foghlaim ilghnéitheach an tosaíocht seo, ag díriú go dian ar phointí in aice láimhe a choinneáil gar dá chéile. Sin é an fáth a dtáirgeann t-SNE agus UMAP na léirshamhluithe suntasacha sin ina mbíonn braislí ag teacht amach go soiléir, fiú nuair a bhíonn socrú domhanda na mbraislí sin treallach go pointe áirithe.
Praiticiúlacht Ríomhaireachtúil
Nuair a fhásann tacair sonraí mór, bíonn modhanna líneacha ag dul chun cinn go suntasach. Is féidir PCA a ríomh go héifeachtúil trí dhí-chomhdhéanamh féin nó dí-chomhdhéanamh luacha uatha, agus láimhseálann leabharlanna cosúil le scikit-learn na milliúin sraitheanna go héasca. I gcodarsnacht leis sin, is minic a bhíonn gá le graif chomharsanachta a thógáil nach bhfuil ag scála go maith i gcás halgartaim ilghnéitheacha, agus go háirithe bíonn castacht chearnach ag t-SNE i líon na samplaí. Feabhsaíonn UMAP seo go pointe áirithe, ach tá an dá cheann fós i bhfad taobh thiar de mhodhanna líneacha le haghaidh píblínte ar scála táirgthe.
Inléirmhíniú agus Imscaradh
Tugann modhanna líneacha buntáiste soiléir nuair is gá duit a mhíniú cad is brí leis na toisí laghdaithe. Is teaglamaí ualaithe de ghnéithe bunaidh iad comhpháirteanna PCA, ionas gur féidir leat ualaí a iniúchadh agus a thuiscint cé na hathróga a thiomáineann gach ais. Tá leabaithe ilghnéitheacha clúiteach as a bheith teimhneach, le haiseanna nach bhfreagraíonn go minic d'aon rud is féidir le daoine a léirmhíniú. Ina theannta sin, ligeann modhanna líneacha duit pointí sonraí nua a theilgean láithreach ag baint úsáide as an maitrís claochlaithe foghlamtha, agus is minic a bhíonn athoiliúint nó garmheastacháin chasta ag teastáil ó mhodhanna ilghnéitheacha chun samplaí nua a láimhseáil.
Nuair a Lonraíonn Gach Cur Chuige
Is é laghdú líneach toise an rogha réamhshocraithe fós le haghaidh píblínte réamhphróiseála, comhbhrú gnéithe, agus cásanna ina bhfuil luas agus inléiteacht tábhachtach. Tuilleann foghlaim ilghnéitheach a bonn nuair a bhíonn struchtúr neamhlíneach, íomhánna smaoinimh, speictreagraim urlabhra, nó próifílí géinléirithe soiléir ag na sonraí, agus nuair is é an sprioc ná iniúchadh seachas imscaradh. Go praiticiúil, ritheann go leor eolaithe sonraí PCA ar dtús mar bhunlíne, agus ansin casann siad ar mhodhanna ilghnéitheacha ach amháin nuair a theipeann ar réamh-mheastacháin líneacha patrúin bhríocha a nochtadh.
Buntáistí & Mí-bhuntáistí
Foghlaim Ilghnéitheach
Buntáistí
+Gabhann patrúin neamhlíneacha
+Den scoth le haghaidh léirshamhlú
+Nochtann braislí ceilte
+Coinníonn sé geoiméadracht áitiúil
Taispeáin
−Costasach ó thaobh ríomhaireachta de
−Deacair a léirmhíniú
−Mapáil bhocht lasmuigh den sampla
−Íogair do hipearpharaiméadair
Laghdú Toiseachta Líneach
Buntáistí
+Tapa agus inscálaithe
+Éasca le léirmhíniú
+Torthaí cinntitheacha
+Imscaradh simplí
Taispeáin
−In easnamh ar struchtúr neamhlíneach
−Teoranta do réamh-mheastacháin chomhréidhe
−Is féidir braislí dlútha a dhoiléiriú
−Glacann leis go bhfuil athraitheas ortagónach ann
Coitianta Míthuiscintí
Miotas
Bíonn foghlaim ilghnéitheach i bhfad níos fearr ná PCA i gcónaí toisc go bhfuil sí níos sofaisticiúla.
Réaltacht
Ní hionann sofaisticiúlacht agus feidhmíocht níos fearr. Is minic a bhíonn PCA chomhoiriúnach le modhanna ilghnéitheacha nó níos fearr ná iad i gcás tascanna cosúil le réamhphróiseáil aicmithe nó laghdú torainn. Bíonn foghlaim ilghnéitheach an-mhaith i gcásanna sonracha cosúil le léirshamhlú, ach i gcás go leor tascanna praiticiúla foghlama meaisín, is é PCA an rogha is láidre.
Miotas
Caomhnaíonn t-SNE agus UMAP struchtúr domhanda na sonraí.
Réaltacht
Déanann an dá mhodh achair dhomhanda a shaobhadh go sainráite chun béim a chur ar chomharsanachtaí áitiúla. Níl beagnach aon fhaisnéis bhríoch san achar idir braislí i bplota t-SNE, agus níor cheart ach suíomh coibhneasta pointí in aice láimhe a léirmhíniú.
Miotas
Glacann PCA leis go bhfuil sonraí dáilte go gnáth.
Réaltacht
Ní gá gnáthacht a bheith i gceist le PCA. Glacann sé leis nach bhfuil ann ach gur cainníocht bhríoch í an athraitheacht atá le caomhnú agus go ngabhann teaglaim líneacha de ghnéithe an struchtúr tábhachtach. Oibríonn sé ar raon leathan dáiltí, cé gur féidir le sonraí trom-eireaballacha torthaí a shaobhadh.
Miotas
Nuair a ritheann tú t-SNE, is féidir leat an leabú a úsáid mar ionchur i samhail iartheachtach.
Réaltacht
Go ginearálta, ní mholtar úsáid a bhaint as leabaithe t-SNE nó UMAP mar ghnéithe le haghaidh foghlama faoi mhaoirseacht mar go ndéanann siad achair a shaobhadh agus faisnéis dhomhanda a chailleadh. Is roghanna níos sábháilte de ghnáth iad PCA nó modhanna líneacha eile le haghaidh píblínte innealtóireachta gnéithe.
Miotas
Is féidir le foghlaim ilghnéitheach aon tacar sonraí a laghdú go 2T gan caillteanas faisnéise.
Réaltacht
Bíonn cailliúint faisnéise i gceist le gach laghdú toisíochta. Coinníonn modhanna ilghnéitheacha caidrimh áitiúla ach íobairtíonn siad dílseacht dhomhanda, agus is féidir le laghdú ionsaitheach go 2T athruithe tábhachtacha a cheilt a bhfuil tábhacht leo do thascanna iartheachtacha.
Frequently Asked Questions
Cad é an príomhdhifríocht idir foghlaim ilghnéitheach agus PCA?
Glacann PCA leis go bhfuil sonraí suite ar fhospás líneach cothrom agus aimsíonn sé aiseanna ortagónacha den athraitheas uasta. Glacann foghlaim ilghnéitheach leis go bhfuil sonraí suite ar dhromchla cuartha agus déanann sé iarracht é a 'dhí-rolladh' agus comharsanachtaí áitiúla á gcaomhnú ag an am céanna. Is iad na príomhdhifríochtaí ná toimhdí líneacha i gcomparáid le toimhdí neamhlíneacha faoin ngeoiméadracht bhunúsach.
Cathain ba chóir dom foghlaim ilghnéitheach a úsáid in ionad PCA?
Bain úsáid as foghlaim ilghnéitheach nuair a bhíonn struchtúr neamhlíneach soiléir ag do shonraí nach ngabhann PCA, amhail íomhánna, gnéithe cainte, nó sonraí bitheolaíocha. Is é an rogha is fearr freisin nuair is é an sprioc atá agat ná léirshamhlú agus más mian leat go mbeadh braislí le feiceáil go soiléir. I gcás píblínte réamhphróiseála nó táirgthe, is gnách go mbíonn PCA níos tapúla agus níos praiticiúla.
An modh foghlama ilghnéitheach é t-SNE?
Sea, meastar gur teicníc foghlama ilghnéitheach í t-SNE toisc go gcaomhnaíonn sí struchtúr na comharsanachta áitiúla agus go nochtann sí patrúin neamhlíneacha. Mar sin féin, tá sí deartha go príomha le haghaidh léirshamhlú seachas laghdú toiseachais chun críocha ginearálta, agus ní sholáthraíonn sí bealach chun pointí sonraí nua a réamh-mheas.
An féidir le foghlaim ilghnéitheach tacair sonraí móra a láimhseáil?
Ní bhíonn mórán scálúcháin ag baint le modhanna caighdeánacha ilghnéitheacha cosúil le t-SNE, agus castacht timpeall O(n²) iontu, rud a fhágann nach bhfuil siad praiticiúil thar thart ar 50,000 pointe. Feabhsaíonn UMAP an inscálaitheacht go suntasach, agus cuireann malairtí garbha cosúil le FIt-SNE agus openTSNE na teorainneacha níos faide fós, ach láimhseálann modhanna líneacha cosúil le PCA tacair sonraí i bhfad níos mó go héasca fós.
Cén fáth go bhfuil PCA chomh coitianta fós má tá foghlaim ilghnéitheach níos cumhachtaí?
Tá PCA fós coitianta mar gheall ar a thapa, a léirmhínitheacht, a chinntitheacht, agus éasca le himscaradh. Is minic a bhíonn a toimhde líneach maith go leor le haghaidh go leor fadhbanna sa saol réadúil, agus comhtháthaíonn sé go glan i bpíblínte foghlama meaisín. Tá foghlaim ilchineálach níos cumhachtaí i gcásanna sonracha ach tugann sé castacht isteach nach bhfuil údar maith léi i gcónaí.
An gcoimeádann modhanna foghlama ilghnéitheacha achair idir phointí?
Ní go díreach. Coinníonn formhór na modhanna ilghnéitheacha achair áitiúla, rud a chiallaíonn go bhfanann pointí in aice láimhe, ach is minic a bhíonn achair dhomhanda saobhtha nó gan bhrí. Tá t-SNE go háirithe ar eolas as an spás idir braislí a shíneadh nó a chomhbhrú, mar sin níor cheart muinín a bheith agat ach as suíomh coibhneasta na gcomharsan dlútha.
Cad é an hipitéis ilghnéitheach?
Deir an hipitéis ilghnéitheach go mbíonn sonraí ardtoiseacha suite de ghnáth ar dhromchla cuartha i bhfad níos ísle-toiseach atá leabaithe sa spás bunaidh nó in aice leis. Mar shampla, d'fhéadfaí aghaidh rindreáilte 3T a chur síos le cúpla paraiméadar cosúil le huillinn, soilsiú agus léiriú, cé go bhfuil na mílte toise ag an léiriú picteilín.
An féidir liom PCA agus foghlaim ilghnéitheach a úsáid le chéile?
Go hiomlán. Is sreabhadh oibre coitianta é PCA a chur i bhfeidhm ar dtús chun toisí a laghdú go leibhéal inbhainistithe, abair 50 comhpháirt, agus ansin t-SNE nó UMAP a rith ar an léiriú laghdaithe sin. Luasghéadaíonn sé seo an algartam ilghnéitheach agus uaireanta is féidir leis torann a laghdú a chuireann isteach ar bhrath comharsanachta.
An bhfuil UMAP níos fearr ná t-SNE?
Go ginearálta, bíonn UMAP níos tapúla ná t-SNE, scálann sé níos fearr chuig tacair sonraí móra, agus caomhnaíonn sé struchtúr níos domhanda. Tacaíonn sé freisin le pointí sonraí nua a theilgean ar an leabú, rud nach ndéanann t-SNE. É sin ráite, táirgeann an dá cheann léirshamhlú comhchosúil i go leor cásanna, agus is minic a bhíonn an rogha ag brath ar riachtanais luais agus rogha phearsanta.
An n-úsáidtear modhanna líneacha riamh le haghaidh léirshamhlú?
Sea, is minic a úsáidtear PCA le haghaidh léirshamhluithe tapa 2T nó 3T, go háirithe mar bhunlíne sula ndéantar iarracht ar mhodhanna neamhlíneacha. Tá teilgin líneacha níos lú suntasach ó thaobh amhairc de ná t-SNE nó UMAP ach cuireann siad an buntáiste ar fáil gur féidir iad a léirmhíniú agus a atáirgeadh, rud atá tábhachtach i dtuairisciú eolaíoch agus gnó.
Breithiúnas
Bain úsáid as laghdú líneach toise nuair is gá luas, inléiteacht, agus teilgean iontaofa lasmuigh den sampla a bheith agat, go háirithe i bpíblínte foghlama meaisín táirgthe. Roghnaigh foghlaim ilghnéitheach nuair is é do sprioc ná léirshamhlú taiscéalaíoch nó nuair a cheapann tú go bhfuil caidrimh láidre neamhlíneacha ann nach féidir le PCA a ghabháil ar chor ar bith. Is minic a bhaineann an sreabhadh oibre is cliste le PCA a thriail ar dtús agus céimniú go modhanna ilghnéitheacha ach amháin nuair a theipeann ar an radharc líneach.
