Tổng quan
Giảm kích thước sẽ thu nhỏ dữ liệu từ nhiều cột (tính năng) xuống một số cột trong khi vẫn giữ cấu trúc quan trọng. Nó chống lại 'lời nguyền về chiều', tăng tốc các mô hình và cho phép bạn thực sự trực quan hóa dữ liệu phức tạp ở dạng 2D hoặc 3D.
Giảm kích thước nằm trong bộ công cụ AI cốt lõi. Khi bạn hiểu nó, các chủ đề AI khác sẽ trở nên dễ dàng hơn để đánh giá và so sánh.
Lặn sâu
Các bộ dữ liệu thực thường có hàng trăm hoặc hàng nghìn tính năng: từng pixel trong một hình ảnh, từng từ trong từ vựng, mọi cảm biến trên máy. Trong không gian nhiều chiều như vậy, các điểm dữ liệu trở nên thưa thớt và cách xa nhau, các phép đo khoảng cách trở nên không đáng tin cậy và các mô hình có xu hướng bị nhiễu quá mức. Đây là lời nguyền của chiều. Giảm kích thước ánh xạ dữ liệu thành ít kích thước hơn trong khi vẫn duy trì các mối quan hệ có ý nghĩa. PCA thực hiện điều này một cách tuyến tính bằng cách tìm ra hướng có phương sai lớn nhất. t-SNE và UMAP là phi tuyến tính và xuất sắc trong việc hiển thị các cụm để trực quan hóa. Việc giảm kích thước sẽ loại bỏ các tính năng dư thừa hoặc nhiễu, cắt giảm bộ nhớ và khả năng tính toán, đồng thời thường xuyên cải thiện độ chính xác của mô hình xuôi dòng vì có ít tín hiệu không liên quan hơn gây nhầm lẫn cho mô hình đó.
Hiểu biết kỹ thuật
PCA hoạt động bằng cách tính toán hiệp phương sai của các đặc điểm và tìm các vectơ riêng, 'các thành phần chính', chỉ ra các hướng có phương sai tối đa. Bạn giữ lại một số thành phần trên cùng và chiếu dữ liệu lên chúng, loại bỏ các hướng có phương sai thấp, chủ yếu là nhiễu. Thay vào đó, t-SNE và UMAP mô hình hóa các mối quan hệ lân cận: họ cố gắng giữ các điểm gần nhau ở kích thước cao gần với bản đồ chiều thấp. UMAP xây dựng biểu đồ các điểm lân cận, giúp nó nhanh hơn t-SNE và bảo toàn cấu trúc toàn cầu rộng hơn tốt hơn.
Làm chủ việc giảm kích thước
Giảm kích thước sẽ thu nhỏ dữ liệu từ nhiều cột (tính năng) xuống một số cột trong khi vẫn giữ cấu trúc quan trọng. Nó chống lại 'lời nguyền về chiều', tăng tốc các mô hình và cho phép bạn thực sự trực quan hóa dữ liệu phức tạp ở dạng 2D hoặc 3D. Giảm kích thước nằm trong bộ công cụ AI cốt lõi. Khi bạn hiểu nó, các chủ đề AI khác sẽ trở nên dễ dàng hơn để đánh giá và so sánh. Để xây dựng sự hiểu biết sâu sắc, hãy coi Giảm kích thước như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Giảm kích thước trước tiên sẽ xây dựng các mô hình khái niệm mạnh mẽ, sau đó ánh xạ các mô hình đó tới các ràng buộc sản xuất thực tế. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Nó giúp bạn tách biệt các tuyên bố kỹ thuật rõ ràng khỏi ngôn ngữ tiếp thị. Đồng thời, các nhóm khác nhau có thể sử dụng cùng một thuật ngữ một cách khác nhau, vì vậy hãy sớm xác định phạm vi. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Nó giúp bạn tách biệt các tuyên bố kỹ thuật rõ ràng khỏi ngôn ngữ tiếp thị.
Nó giúp bạn tách biệt các tuyên bố kỹ thuật rõ ràng khỏi ngôn ngữ tiếp thị. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Bạn có thể đặt các câu hỏi triển khai tốt hơn trước khi chi tiền hoặc thời gian.
Bạn có thể đặt các câu hỏi triển khai tốt hơn trước khi chi tiền hoặc thời gian. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các nhóm có sự hiểu biết chung sẽ đưa ra các quyết định về sản phẩm, chính sách và học tập tốt hơn.
Các nhóm có sự hiểu biết chung sẽ đưa ra các quyết định về sản phẩm, chính sách và học tập tốt hơn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Vẽ biểu đồ nhúng từ hoặc câu từ mô hình ngôn ngữ ở dạng 2D bằng UMAP để xem các khái niệm mà mô hình nhóm lại với nhau
Nén hàng nghìn phép đo biểu hiện gen trên mỗi bệnh nhân thành một vài thành phần trước khi phân nhóm các phân nhóm bệnh
Giảm các đặc điểm hình ảnh trước khi đưa chúng vào bộ phân loại để việc đào tạo nhanh hơn và ít bị trang bị quá mức
Trực quan hóa hành vi của khách hàng trên hàng trăm số liệu dưới dạng biểu đồ phân tán 2D để xác định các phân khúc thị trường riêng biệt
Các mẫu triển khai
Giảm kích thước trong thực tế
Vẽ biểu đồ nhúng từ hoặc câu từ mô hình ngôn ngữ ở dạng 2D bằng UMAP để xem các khái niệm mà mô hình nhóm lại với nhau.
Vẽ biểu đồ nhúng từ hoặc câu từ mô hình ngôn ngữ ở dạng 2D bằng UMAP để xem khái niệm nào mà các nhóm mô hình lại với nhau Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Giảm kích thước trong thực tế
Nén hàng nghìn phép đo biểu hiện gen trên mỗi bệnh nhân thành một vài thành phần trước khi phân nhóm các phân nhóm bệnh.
Nén hàng nghìn phép đo biểu hiện gen trên mỗi bệnh nhân vào một vài thành phần trước khi phân nhóm các phân nhóm bệnh. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí do lỗi theo thời gian.
Giảm kích thước trong thực tế
Giảm các đặc điểm hình ảnh trước khi đưa chúng vào bộ phân loại để việc đào tạo nhanh hơn và ít bị trang bị quá mức.
Giảm các đặc điểm hình ảnh trước khi đưa chúng vào bộ phân loại để quá trình đào tạo diễn ra nhanh hơn và ít bị trang bị quá mức. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Giảm kích thước trong thực tế
Trực quan hóa hành vi của khách hàng trên hàng trăm số liệu dưới dạng biểu đồ phân tán 2D để xác định các phân khúc thị trường riêng biệt.
Trực quan hóa hành vi của khách hàng trên hàng trăm số liệu dưới dạng biểu đồ phân tán 2D để xác định các phân khúc thị trường riêng biệt. Các nhóm thường đạt được kết quả tốt hơn khi xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
Các nhóm khác nhau có thể sử dụng cùng một thuật ngữ một cách khác nhau, vì vậy hãy sớm xác định phạm vi.
Điểm chuẩn có thể trông mạnh mẽ trong khi hiệu suất trong thế giới thực không đồng đều.
Việc bỏ qua các kế hoạch đánh giá và chất lượng dữ liệu thường tạo ra những kết quả mong manh.
Lộ trình thực hiện
Bắt đầu với một định nghĩa đơn giản về kết quả bạn cần.
Bắt đầu với một định nghĩa đơn giản về kết quả bạn cần. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Chọn một số liệu thành công và một điều kiện thất bại trước khi thử nghiệm.
Chọn một số liệu thành công và một điều kiện thất bại trước khi thử nghiệm. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Chạy một thử nghiệm nhỏ với dữ liệu đại diện chứ không phải một bản demo bóng bẩy.
Chạy một thử nghiệm nhỏ với dữ liệu đại diện chứ không phải một bản demo bóng bẩy. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Tài liệu giúp Giảm kích thước và nơi các phương pháp đơn giản hơn sẽ tốt hơn.
Tài liệu giúp Giảm kích thước và nơi các phương pháp đơn giản hơn sẽ tốt hơn. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.