Neural network 如何训练神经网络学习“a”；功能“；从高维空间（~300d）映射到二维平面？_Neural Network_Dimensionality Reduction

Neural network 如何训练神经网络学习“a”；功能“；从高维空间（~300d）映射到二维平面？

neural-network

Neural network 如何训练神经网络学习“a”；功能“；从高维空间（~300d）映射到二维平面？,neural-network,dimensionality-reduction,Neural Network,Dimensionality Reduction,现在，我在300维空间中只有10万个数据点，等待缩小到二维空间。我知道一些降维算法，如t-SNE、多核t-SNE、Q-SNE、umap、largevis。然而，对于如此大规模的数据来说，它们的速度太慢了。我认为以下想法可以缓解这个问题：简单的10%数据，应用DR算法为每个数据获取（300d，2d）对，将这些对视为训练数据使用训练数据训练一个深度神经网络，将映射从300d转换为2d 将学到的映射应用于其余90%的数据这是一个可行的想法吗？你知道有类似想法的作品吗？有没有关于建立这样一个神经网

现在，我在300维空间中只有10万个数据点，等待缩小到二维空间。我知道一些降维算法，如t-SNE、多核t-SNE、Q-SNE、umap、largevis。然而，对于如此大规模的数据来说，它们的速度太慢了。我认为以下想法可以缓解这个问题：

简单的10%数据，应用DR算法为每个数据获取（300d，2d）对，将这些对视为训练数据

使用训练数据训练一个深度神经网络，将映射从300d转换为2d

将学到的映射应用于其余90%的数据

这是一个可行的想法吗？你知道有类似想法的作品吗？有没有关于建立这样一个神经网络的建议？

您正在搜索的是自动编码器

你训练这个神经网络的方式是，输出向量尽可能接近输入向量（你可能需要尝试几种距离损失：欧几里德距离，三重半硬损失，…）。这样，带有两个神经元的隐藏层将成为您的2D表示！无论如何，你的方法也很聪明，也许只是有点费力