ডেটা ভিজ্যুয়ালাইজেশন বাদে টি-এসএনইর জন্য ভাল ব্যবহার কী?

Question

কোন পরিস্থিতিতে আমাদের টি-এসএনই (ডাটা ভিজুয়ালাইজেশন বাদে) ব্যবহার করা উচিত?

টি-এসএনই মাত্রা হ্রাস করার জন্য ব্যবহৃত হয়। এই উত্তর প্রশ্ন দাড়ায় যে টি-Sne শুধুমাত্র ঠাহর জন্য এবং আমরা ক্লাস্টারিং জন্য এটি ব্যবহার করা উচিত নয় যে ব্যবহার করা উচিত। তাহলে টি-এসএনই-র ভাল ব্যবহার কী?

Comments

ক্লাস্টারিংয়ের জন্য tsne ব্যবহার না করার জন্য স্ট্যান্ডার্ড পরামর্শটি হ'ল, কারণ ক্লাস্টারগুলি উদ্বেগের উপর নির্ভরশীল। এটি কেবল "ভিজ্যুয়ালাইজেশন" এর জন্য ব্যবহৃত হওয়ার কথা। তবে এটি আমার কাছে খুব স্পষ্ট নয়, যেহেতু কেউ তাত্ক্ষণিকভাবে ক্লিনস্টারের সন্ধান করে (এবং দেখে) কোনও ক্লিন প্লট দেখার জন্য। সুতরাং আপনার প্রশ্নটি একটি ভাল: tsne ভাল কি জন্য?

— জেনেরিক_উজার 1

: এই প্রশ্নের উত্তর যে আমি জিজ্ঞাসা দেখুন stats.stackexchange.com/questions/263539/...

— generic_user

@ জেনেরিক_উজার যেমন বলেছিল, আমি এর ভিজ্যুয়ালাইজেশনের পাশে টি-স্নের সুবিধা জানতে চাই।

— ওল্ফ

কেন জানি এটি নকল হিসাবে বন্ধ করা হয়েছিল। ওপি জিজ্ঞাসা করছে ভিজ্যুয়ালাইজেশন বাদে টি-স্নের ভাল ব্যবহারগুলি কী। লিঙ্কযুক্ত থ্রেড সবই ক্লাস্টারিংয়ের। তবে অন্যান্য ব্যবহার থাকতে পারে।

— অ্যামিবা

সম্পর্কিত: stats.stackex بدل.com

— আমেলিও

Answer 1

উত্তর এই প্রশ্ন দাড়ায় যে টি-Sne শুধুমাত্র ঠাহর জন্য এবং আমরা উচিত যে ব্যবহার করা উচিত না ক্লাস্টারিং জন্য এটি ব্যবহার। তাহলে টি-এসএনই-র ভাল ব্যবহার কী?

আমি এই উপসংহারের সাথে একমত নই। এই ধারণা করার কোনও কারণ নেই যে টি-এসএনই অন্য যে কোনও ক্লাস্টারিং অ্যালগরিদমের চেয়ে সর্বজনীনভাবে খারাপ। প্রতিটি ক্লাস্টারিং অ্যালগরিদম ডেটা কাঠামো সম্পর্কে অনুমান করে এবং তারা হ্রাস মাত্রিকতার অন্তর্নিহিত বিতরণ এবং শেষ ব্যবহারের উপর নির্ভর করে আলাদাভাবে সঞ্চালনের আশা করা যায়।

টি-এসএনই অনেকগুলি অব্যবহৃত লার্নিং অ্যালগরিদমগুলির মতো প্রায়শই একটি শেষের উপায় সরবরাহ করে, যেমন ডেটা পৃথকযোগ্য কিনা তা সম্পর্কে প্রাথমিক অন্তর্দৃষ্টি অর্জন করা, এটির কিছু সনাক্তযোগ্য কাঠামো রয়েছে কিনা তা পরীক্ষা করে এই কাঠামোর প্রকৃতি পরীক্ষা করে। এর মধ্যে কয়েকটি প্রশ্নের উত্তর শুরু করতে টি-এসএনই আউটপুটটির ভিজ্যুয়ালাইজেশন প্রয়োজন হয় না । নিম্ন মাত্রিক এম্বেডিংয়ের অন্যান্য অ্যাপ্লিকেশনগুলির মধ্যে পূর্বাভাস পদ্ধতিগুলির কার্যকারিতা উন্নত করার জন্য শ্রেণিবিন্যাসের জন্য বিল্ডিং বৈশিষ্ট্য বা মাল্টি-কোলাইনারিটি থেকে মুক্তি পাওয়ার অন্তর্ভুক্ত রয়েছে।