AI_PYTHON Telegram 17813
tgoop.com » United States » DLeX: AI Python » Telegram web » Post 17813
DLeX: AI Python
☄️ کاهش ابعاد و Visualization در یادگیری ماشین

👉 @NeuralBlackMagic

👨🏻‍🏫 وقتی داده‌ها ابعاد زیادی دارند، دیدن الگوها و روابط بین نمونه‌ها سخت می‌شود. کاهش ابعاد به ما کمک می‌کند تا این الگوها را در فضاهای قابل دیدن (۲ یا ۳ بعدی) مشاهده کنیم.

🔍 یکی از رویکردهای کاهش ابعاد با هدف بصری‌سازی،
Multidimensional Scaling (MDS)
است.
این روش فاصله یا شباهت بین داده‌ها را حفظ می‌کند و داده‌های ابعاد-بالا را در یک فضای کم‌بعد Embed می‌کند، طوری که روابط بین نقاط تا حد امکان حفظ شود.

📊 در این مثال ساده، داده‌های ابعاد بالا ۳ بعدی بوده و با کمک رویکرد MDS به ۲ بعد نگاشت داده شده‌اند و فاصله نسبی داده‌های کلاس‌های مختلف در این نگاشت حفظ شده‌است.

💻 پیاده‌سازی با استفاده از Scikit-learn 🤗:

👉 @NeuralBlackMagic
from sklearn.manifold import MDS
embedding = MDS(n_components=2) # n_components=d
x_lowdim = embedding.fit_transform(x_highdim)
# x_highdim: (N, D), x_lowdim: (N, d), d<<D


📚 مطالعه بیشتر:
● مقاله اصلی:
MDS: Multidimensional scaling: I. Theory and method, Torgerson, W.S. (1952).

Follow for daily doses of AI Magic
@NeuralBlackMagic
Please open Telegram to view this post
VIEW IN TELEGRAM
www.tgoop.com/ai_python/17813
1.62K viewsNaviD DariYa, 



tgoop.com/ai_python/17813
Create:
Last Update:

☄️ کاهش ابعاد و Visualization در یادگیری ماشین

👉 @NeuralBlackMagic

👨🏻‍🏫 وقتی داده‌ها ابعاد زیادی دارند، دیدن الگوها و روابط بین نمونه‌ها سخت می‌شود. کاهش ابعاد به ما کمک می‌کند تا این الگوها را در فضاهای قابل دیدن (۲ یا ۳ بعدی) مشاهده کنیم.

🔍 یکی از رویکردهای کاهش ابعاد با هدف بصری‌سازی،
Multidimensional Scaling (MDS)
است.
این روش فاصله یا شباهت بین داده‌ها را حفظ می‌کند و داده‌های ابعاد-بالا را در یک فضای کم‌بعد Embed می‌کند، طوری که روابط بین نقاط تا حد امکان حفظ شود.

📊 در این مثال ساده، داده‌های ابعاد بالا ۳ بعدی بوده و با کمک رویکرد MDS به ۲ بعد نگاشت داده شده‌اند و فاصله نسبی داده‌های کلاس‌های مختلف در این نگاشت حفظ شده‌است.

💻 پیاده‌سازی با استفاده از Scikit-learn 🤗:

👉 @NeuralBlackMagic

from sklearn.manifold import MDS
embedding = MDS(n_components=2) # n_components=d
x_lowdim = embedding.fit_transform(x_highdim)
# x_highdim: (N, D), x_lowdim: (N, d), d<<D


📚 مطالعه بیشتر:
● مقاله اصلی:
MDS: Multidimensional scaling: I. Theory and method, Torgerson, W.S. (1952).

Follow for daily doses of AI Magic
@NeuralBlackMagic

BY DLeX: AI Python




Share with your friend now:
tgoop.com/ai_python/17813

View MORE
Open in Telegram


Telegram News

Date: |

The initiatives announced by Perekopsky include monitoring the content in groups. According to the executive, posts identified as lacking context or as containing false information will be flagged as a potential source of disinformation. The content is then forwarded to Telegram's fact-checking channels for analysis and subsequent publication of verified information. Although some crypto traders have moved toward screaming as a coping mechanism, several mental health experts call this therapy a pseudoscience. The crypto community finds its way to engage in one or the other way and share its feelings with other fellow members. In the next window, choose the type of your channel. If you want your channel to be public, you need to develop a link for it. In the screenshot below, it’s ”/catmarketing.” If your selected link is unavailable, you’ll need to suggest another option. Deputy District Judge Peter Hui sentenced computer technician Ng Man-ho on Thursday, a month after the 27-year-old, who ran a Telegram group called SUCK Channel, was found guilty of seven charges of conspiring to incite others to commit illegal acts during the 2019 extradition bill protests and subsequent months. With the administration mulling over limiting access to doxxing groups, a prominent Telegram doxxing group apparently went on a "revenge spree."
from us


☄️ کاهش ابعاد و Visualization در یادگیری ماشین

DLeX: AI Python TG
web: 17813
DLeX: AI Python.Telegram web
DLeX: AI Python Telegram TG Channel
Telegram Updated:
Telegram DLeX: AI Python
FROM American