雷鋒網(wǎng)消息，最近谷歌開源了網(wǎng)頁版數(shù)據(jù)可視化工具Embedding Projector，該項(xiàng)目作為Tensorflow的一部分，能對(duì)高維數(shù)據(jù)進(jìn)行可視化展示與分析。以下是雷鋒網(wǎng)整理編譯的谷歌研究院介紹內(nèi)容，未經(jīng)許可不得轉(zhuǎn)載。

最近機(jī)器學(xué)習(xí)界可謂是碩果累累，從圖像識(shí)別、語言翻譯再到醫(yī)療診斷，可謂讓人大開眼界。隨著機(jī)器學(xué)習(xí)的廣泛應(yīng)用，探索模型是如何理解數(shù)據(jù)這一問題正在變得越來越重要，但是數(shù)據(jù)通常是用成百上千維的向量表示，因此我們需要一個(gè)專門的工具來探索、研究這個(gè)數(shù)據(jù)高維空間。

為了使大家能夠更加直觀的研究數(shù)據(jù)，我們開源了我們自己研發(fā)的網(wǎng)頁版數(shù)據(jù)可視化工具Embedding Projector，這個(gè)可視化工具是TensorFlow的一部分，可以用來對(duì)高維數(shù)據(jù)進(jìn)行可視化展示與分析，此外還有一個(gè)單一版，這個(gè)版本不需要安裝TensorFlow，便可直接運(yùn)行，大家可以去 projector.tensorflow.org 下載。

嵌入探索

通常我們需要訓(xùn)練的數(shù)據(jù)是不能直接作為機(jī)器學(xué)習(xí)算法的輸入的，我們應(yīng)當(dāng)將這些數(shù)據(jù)（例如：詞語、聲音、視頻等數(shù)據(jù)）表示成一種機(jī)器可以理解（處理）的數(shù)據(jù)形式。我們使用的是嵌入方法，即將數(shù)據(jù)表示成一個(gè)向量，這個(gè)向量包含了數(shù)據(jù)各個(gè)方面的信息。例如，在自然語言中，兩個(gè)意思相近的詞會(huì)映射到同一向量空間中兩個(gè)不同的點(diǎn)，但這兩個(gè)點(diǎn)的位置應(yīng)該是相近的。

Embedding Projector這個(gè)工具使用起來很簡單，它可以實(shí)現(xiàn)數(shù)據(jù)的2D或3D效果展示。輕點(diǎn)鼠標(biāo)，便可實(shí)現(xiàn)數(shù)據(jù)的旋轉(zhuǎn)、縮放。我們按照word2vec教程在TensorFlow上訓(xùn)練了一些詞向量，將這些詞向量通過我們的工具進(jìn)行可視化展示，點(diǎn)擊圖中任意一點(diǎn)（表示詞向量的點(diǎn)），那么通過這種算法算出的，與這個(gè)詞語義相關(guān)的詞以及其向量空間距離就會(huì)羅列出來。它給我們提供了一種非常重要的探究算法性能的方法。下圖展示了“important”這個(gè)詞在向量空間中的語義相近點(diǎn)

降維方法

Embedding Projector提供了三種常用的數(shù)據(jù)降維方法，這些方法可以使復(fù)雜數(shù)據(jù)可視化變的簡單一些。具體為以下三種：PCA,、t-SNE、custom linear projections。PCA用在探究數(shù)據(jù)內(nèi)部結(jié)構(gòu)、發(fā)現(xiàn)數(shù)據(jù)重要維度信息上；t-SNE用于探究數(shù)據(jù)的周圍信息、確定其與哪些周圍數(shù)據(jù)屬于同類（聚類效果），確保向量保留了數(shù)據(jù)的含義信息。custom linear projections用于確定數(shù)據(jù)含義的‘方向’（在生成模型中，統(tǒng)一數(shù)據(jù)，正式語氣與非正式語氣其含義是不同的，加入這些因素可以提高機(jī)器學(xué)習(xí)模型的適應(yīng)性）。

下圖是在一個(gè)35K的電子郵件常用短語數(shù)據(jù)集上，使用custom linear projection方法得出的與‘See attachments’相鄰的100個(gè)點(diǎn)

此外在Embedding Projector網(wǎng)站上還有一些數(shù)據(jù)集，你可以去網(wǎng)站下載，然后試一下我們的可視化軟件，如果你想公開你的訓(xùn)練結(jié)果，這很簡單，你只需要單擊軟件的“Publish”按鈕，便可以實(shí)現(xiàn)訓(xùn)練結(jié)果的共享了。我們希望Embedding Projector在機(jī)器學(xué)習(xí)應(yīng)用方面，對(duì)研發(fā)人員有所幫助，也希望幫助大家更好理解，機(jī)器學(xué)習(xí)算法是如何對(duì)數(shù)據(jù)進(jìn)行解釋的。如果想了解更多的細(xì)節(jié)，請(qǐng)參看這里。

via Open sourcing the Embedding Projector: a tool for visualizing high dimensional data

【招聘】雷鋒網(wǎng)堅(jiān)持在人工智能、無人駕駛、VR/AR、Fintech、未來醫(yī)療等領(lǐng)域第一時(shí)間提供海外科技動(dòng)態(tài)與資訊。我們需要若干關(guān)注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優(yōu)良的外翻編輯加入。

簡歷投遞至 guoyixin@leiphone.com，工作地 深圳；

或投遞至 wudexin@leiphone.com，工作地 北京。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。