机器学习里面的流形都是怎么用的？ 第1页
1
wei-yuan-43 网友的相关建议:
比如图片数据集，每个图片是一个n*n像素的，可以看成一个n*n维度的大向量。那么所有的图片数据是一个在n*n维空间中分布的“点云”。
但是这个图片数据集毕竟不是随机产生的，每张图片在这个空间中的位置肯定不是随机分布的，一般而言是聚集在某些区域上。所以学者们就假设这些数据实际分布的区域是一个卷曲在高维空间中的流形上。
可以这么想，这些图片对应的样本点实际分布在一张平面上，但是被揉吧揉吧塞进了一个高维的盒子里。
1
相关话题
熵权法确定权重的原理是不是因为它仅依赖于数据本身的离散性?为什么读论文最好打印出来读？
如何评价Google提出的MLP-Mixer：只需要MLP就可以在ImageNet上达到SOTA？
一个无监督学习算法，如何判断其好坏呢?
NLP 中 prompt learning 有哪些可能的天生缺陷？目前有什么样的方法来解决这样的缺陷？
你实践中学到的最重要的机器学习经验是什么？
如何看待西安电子科技大学偷偷给贫困生打钱，大数据精准帮助贫困生是否值得推广？
如何评价Google最新提出的gMLP：MLP模型在CV和NLP任务上均取得较好的效果？
算法岗位真的需要顶会才能入场吗？
人们是如何想到奇异值分解的？
前一个讨论
计算机是如何计算逆矩阵的？
下一个讨论
化妆品工程师真的是生化环材最好的归宿吗？
相关的话题
百度在深度学习上使用Xilinx FPGA?transformer 为什么使用 layer normalization，而不是其他的归一化方法？
如何将某个分布作为机器学习的特征？
当前人工智能特别是深度学习最前沿的研究方向是什么？
对自己深度学习方向的论文有idea，可是工程实践能力跟不上，实验搞不定怎么办？
在NLP当中，不同的评价指标，BLEU, METEOR, ROUGE和CIDEr的逻辑意义？
有没有必要把机器学习算法自己实现一遍？
有哪些不借助变换群的观点就很难解答的欧氏几何问题？
想要学习流形的话需要哪些预备知识？
能否使用神经网络来判断奇偶数？
二次型的意义是什么？有什么应用？
李航的统计学习方法，吴恩达的视频，关于机器学习的东西都看不懂是怎么回事？
有哪些不借助变换群的观点就很难解答的欧氏几何问题？
如何看待 Google 既可以作 Inference，又可以作 Training 的新一代 TPU？
Graph Attention Network的本质是什么？
人工智能、模式识别领域最终是否会被一种本质、通用的算法主导？
如何看待Geoffrey Hinton的言论，深度学习要另起炉灶，彻底抛弃反向传播？
大四年级，完全没接触过高数，目前对机器学习产生浓厚兴趣，该如何学习数学？
有哪些关于机器学习的真相还鲜为人知？
神经网络为什么可以（理论上）拟合任何函数？
GBDT算法的细节问题？
为什么说大模型训练很难？
Graph Attention Network的本质是什么？
如何评价 马毅教授 的 NeurIPS 2020 中稿文章 MCR2 及 自称弄明白深度学习了？
如何解读 Jeff Dean 等联合在 arXiv 上发布的用深度学习分析电子病历的论文？
什么是蒙特卡罗 Dropout(Monte-Carlo Dropout)？
如何评价 CVPR 2020的论文接收结果？有哪些亮点论文？
机器学习在Web攻击方向有什么建树吗？
默写很花时间怎么办？
如何看待 Google 围棋 AI AlphaGo 击败欧洲围棋冠军？