什么是 t-SNE?高维数据怎么画成二维图
t-SNE 能把高维数据的局部结构画到二维,却保不住距离。本文用对照表比较 PCA、t-SNE、UMAP 各保什么、代价在哪,也讲清簇间距离...
AI基础百科栏目解释 AIGC、提示词、Agent、RAG、Token、模型、工作流、检测与认证等常见概念,适合新手快速补齐 AI 工具使用前的基础知识。
t-SNE 能把高维数据的局部结构画到二维,却保不住距离。本文用对照表比较 PCA、t-SNE、UMAP 各保什么、代价在哪,也讲清簇间距离...
PCA 把高维特征重新组合成少数几个正交方向,用方差衡量信息量。本文讲清主成分的来历、保留几个的判断依据、标准化为何不能省,以及它抓不到的非...
DBSCAN 按邻域密度划分簇,并把稀疏区域单独标成噪声。本文讲清两个参数如何定义核心点、簇怎么扩散成形、参数选错的症状,以及密度不均时它为...
K-means 在指定组数下反复调整中心,把数据划成若干簇。讲清两步循环为何必然收敛、K 为何要由人给出、球形假...
层次聚类不预设类别数,按距离和连接准则逐层合并样本。本文讲清树状图的读法、四种连接方式的差别、计算代价,以及没有...
KNN 训练时不学任何参数,预测时才逐一比对邻居。本文讲距离度量与 K 值如何决定成败、高维下近邻为何失效,并说...
它假设特征彼此独立,这个假设几乎从不成立,分类却常常很准。讲清它在算什么、误差为何不翻盘、零概率与强相关两个坑怎...
第一棵树跑完,预测和真实值之间还差一截。本文讲清梯度提升怎么用后一棵树补前一棵的残差,四个关键概念各要付什么代价,也...
单棵树换个样本就变样,一堆树投票却稳得多。本文讲清两处随机怎么压低树之间的相关性、方差公式里的上限在哪,以及外推、概...
一张几十万行的评分表,绝大多数格子是空的,想提炼口味就得先压小。本文对照四种分解的能做什么与代价,讲清奇异值在说什么...
同一个问题问三遍,AI 给出三个答案,背后是随机采样。讲清蒙特卡洛怎么撒点估面积、误差为何按平方根下降,以及它何时会...
预测下一步只需知道现在,这个假设让计算变简单,也埋下失效的根。本文用四类场景对照状态怎么定、概率从哪来,讲清平稳分布...
傅里叶变换把信号拆成频率成分,换来的是另一种视角,代价是时间信息、窗长取舍和失效场景。按四种表示摆开对比,讲清它为什...
模型答错一句,损失是 2.3,几十亿参数该动哪一个?讲清偏导如何逐个试探、梯度如何合成方向,以及学习率与梯度消失这些...