t-распределенное стохастическое встраивание соседей (t-SNE) | Снижение размерности | Объяснение

Описание: 📖 Примечания: https://robosathi.com/docs/machine_le...
🎥 Следующее видео: UMAP:    • Uniform Manifold Approximation and Project...  

🎥 Связанное видео: KL-дивергенция:    • Entropy for Machine Learning | Surprise | ...  

👉 В этом видео мы разберем, как на самом деле работает t-SNE, начиная с примеров его применения в реальном мире и заканчивая математической интуицией, лежащей в основе гауссовых и t-распределений.

🎯 Цели обучения
✅ Понять, что такое t-SNE?

✅ Изучите роль гауссова распределения в многомерном пространстве
✅ Поймите, почему t-распределение используется в маломерном пространстве
✅ Интуитивно сравните гауссово и t-распределение
✅ Узнайте, как градиентный спуск оптимизирует эмбеддинги

👉 Плейлист «Математика для машинного обучения»:
   • Maths for AI & ML  

🕔 Временные метки 🕘
00:00:00 - 00:00:25 Введение
00:00:26 - 00:01:23 Пример использования t-SNE
00:01:24 - 00:02:32 Интуитивное понимание t-SNE
00:02:33 - 00:03:35 Что такое t-SNE
00:03:36 - 00:09:56 Решение задач
00:09:57 - 00:13:42 Многомерное пространство (гауссово распределение)
00:13:43 - 00:15:16 Низкоразмерное пространство (t-распределение)
00:15:17 - 00:17:47 Гауссово распределение против t-распределения
00:17:48 - 00:18:36 Оптимизация
00:18:37 - 00:19:34 Градиентный спуск
00:19:35 - 00:20:43 Значение терминов
00:20:44 - 00:23:44 Интерпретация
00:23:45 - 00:26:49 Шаг обновления
00:26:50 - 00:28:54 Загадка
00:28:55 - 00:30:47 Недостатки t-SNE
00:30:48 - 00:31:27 Что дальше? 🤔

#ai #ml #tsne #gradientdescent #perplexity