第 18 課：PCA、t-SNE、UMAP 用於視覺化

機器學習：從基礎到高級

第 3 部分：足以使用的高階演算法

亞洲開發網

簡介

當資料的維度太多時，就很難看到、難以繪製，有時甚至很難建模。 PCA、t-SNE 和 UMAP 有助於降低資料維度，但用途不同。

課程目標

• 區分 PCA 與 t-SNE 和 UMAP。
• 知道何時使用它進行維度壓縮以及何時使用它進行視覺化。
• 避免誤解降維圖。

主成分分析

PCA 找到保留資料最大變異數的新軸。這是一種快速、線性的技術，相對容易解釋，並且在降低輸入維度方面非常有用。

t-SNE 和 UMAP

t-SNE 和 UMAP 主要用於視覺化高維度資料中的局部結構。 UMAP 通常速度更快且非常適合嵌入；用於視覺化本地叢集的強大 t-SNE。

解釋警告

降維後的二維圖表上的距離並不總是反映原始空間中的真實距離。不要使用漂亮的圖表作為結論的有力證據。

常見錯誤

• 使用t-SNE或UMAP作為主要特徵輸入而沒有仔細檢查。
• 將圖解釋為真正的類別邊界。
• 需要時，不要在 PCA 之前縮放資料。

練習練習

• 在相同資料集上執行 PCA 和 t-SNE。
• 為兩者繪製二維圖。
• 寫評論：哪個工具更適合視覺化，哪個工具更適合預處理。

完成標準

• [ ]區分PCA、t-SNE、UMAP的用途。
• 不要過度解釋降維圖。
• 了解如何為正確的目的選擇工具。

逐步練習（進階）

1. 執行保留 90% 變異數的 PCA。
2. 使用 2D PCA 進行資料視覺化。
3. 在同一輸入嵌入上執行 t-SNE 和 UMAP。 4.運行時和群集鏡像穩定性比較。
4. 為儀表板查看者撰寫解釋性警告。

應提交工件

• 3 種技術的視覺效果。
• 比較使用每種技巧的目標的表格。
• 根據用例選擇降維工具的說明。

自測題

• PCA 在再現性方面有哪些優勢？
• 為什麼t-SNE不適合作為主要特徵？
• UMAP 何時優於 t-SNE？