印度分析杂志
现在读
机器学习嵌入是什么意思?
印度分析杂志

机器学习嵌入是什么意思?

  • 嵌入是高维向量的低维转换。

嵌入是以向量的形式将高维数据转换为低维数据的过程,其方式使两者在语义上相似。在字面意义上,“嵌入”指的是任何东西的摘录(部分)。一般来说,嵌入可以提高机器学习模型的效率和可用性,也可以用于其他类型的模型。在处理要训练的大量数据时,建立机器学习模型是一件麻烦事。因此,嵌入开始发挥作用。

嵌入的基本目的

深层神经网络可以训练(学习)模型来生成嵌入,然后用于为不同的数据集构建另一个嵌入。神经网络的嵌入是有优势的,因为它可以降低分类变量的维数,并在改变的空间中有意义地表示它们。

注册AWS数据分析会议>>

神经网络嵌入有三个基本目的:

  • 定位嵌入空间的最近邻居。这些可用于根据用户的兴趣或集群分类提供建议。
  • 作为输入到机器学习模型为了执行受监督的任务。
  • 为了可视化概念和类别之间的关系。

嵌入的好处

嵌入在机器学习的各种情况下都是有益的。这已经被证明是非常有益的,与一个协同过滤机制结合在一起推荐系统. 项目相似性用例的目的是帮助开发此类系统。另一个目标是使数据尽可能简单,以便进行训练和预测。嵌入后,机器学习模型的性能显著提高。

唯一的缺点是嵌入降低了模型的可解释性。在理想的情况下,嵌入通过在嵌入空间中聚类语义上可比的输入来捕获一些输入的语义。有许多策略来产生嵌入深层神经网络,而您使用的策略完全取决于您的目的。

以下是目标。

  • 相似度检查
  • 图像的搜索和检索
  • 推荐系统
  • 对于文本,使用Word2Vec。
  • 相似的歌曲
  • 降低高维输入数据的维数
  • 可以压缩大量的分类变量,而不是使用一次性编码。
  • 消除稀疏;当大部分数据点为零时,建议将其转换为有意义的低维数据点。
  • 多通道翻译
  • 图像字幕

文本嵌入

文本嵌入块将字符串转换为实值向量。术语“嵌入”指的是这种技术为嵌入文本创造了空间。Text嵌入块不可避免地链接到dataset视图的文本编码。它们在执行时被整合到同一个程序中情绪分析.文本嵌入块只能紧跟在需要选择文本编码特性的输入块之后使用。确定您选择的语言模型与建立文本编码时选择的语言模型相对应。

它是如何工作的?

文本编码将纯文本转换为令牌。该方法使用指定的语言模型将文本流解码为单词。

另请参阅
QuickBooks在线先进

几个models-NNLM,手套、ELMo和Word2vec旨在学习单词嵌入,这是每个单词的实值特征向量。

图像中嵌入

图像中嵌入读取图像并在远程服务器或本地上上传或评估它们。利用深度学习算法为每幅图像分配一个特征向量。它返回一个添加了额外列(图像描述符)的数据表。图像嵌入包括各种各样的嵌入器,每个嵌入器都经过特定任务的训练。图像要么被传输到服务器,要么在用户的计算机上进行本地评估,然后创建点向量表示。SqueezeNet嵌入式设备可以在不需要网络连接的情况下对用户的机器进行快速检查。

结论

神经网络嵌入的是学习的离散数据的低维连续向量表示。这些嵌入克服了传统编码方法的限制,可以用于各种任务,包括定位最近的邻居、向另一个模型提供数据以及创建可视化。虽然深度学习中的许多主题都是以学术术语讨论的,但神经网络嵌入是显而易见的,而且相当容易执行。嵌入是处理离散变量的强大技术,也是深度学习

你怎么认为?

加入我们的Discord服务器。成为一个有吸引力的在线社区的一部分。加入这里


订阅我们的通讯

通过共享电子邮件获取最新更新和相关优惠。

188BET网页

滚动到顶部
Baidu