谷歌 Embedding Projector 开源，高维数据可视化变得超简单

最近谷歌开源了网页版数据可视化工具Embedding Projector，该项目作为Tensorflow的一部分，能对高维数据进行可视化展示与分析。以下是雷锋网整理编译的谷歌研究院介绍内容，未经许可不得转载。

最近机器学习界可谓是硕果累累，从图像识别、语言翻译再到医疗诊断，可谓让人大开眼界。随着机器学习的广泛应用，探索模型是如何理解数据这一问题正在变得越来越重要，但是数据通常是用成百上千维的向量表示，因此我们需要一个专门的工具来探索、研究这个数据高维空间。

为了使大家能够更加直观的研究数据，我们开源了我们自己研发的网页版数据可视化工具Embedding Projector，这个可视化工具是TensorFlow的一部分，可以用来对高维数据进行可视化展示与分析，此外还有一个单一版，这个版本不需要安装TensorFlow，便可直接运行，大家可以去 projector.tensorflow.org 下载。

https://www.leiphone.com/category/ai/ek6MgyZzSQnjUMoD.html

嵌入探索

通常我们需要训练的数据是不能直接作为机器学习算法的输入的，我们应当将这些数据（例如：词语、声音、视频等数据）表示成一种机器可以理解（处理）的数据形式。我们使用的是嵌入方法，即将数据表示成一个向量，这个向量包含了数据各个方面的信息。例如，在自然语言中，两个意思相近的词会映射到同一向量空间中两个不同的点，但这两个点的位置应该是相近的。

Embedding Projector这个工具使用起来很简单，它可以实现数据的2D或3D效果展示。轻点鼠标，便可实现数据的旋转、缩放。我们按照word2vec教程在TensorFlow上训练了一些词向量，将这些词向量通过我们的工具进行可视化展示，点击图中任意一点（表示词向量的点），那么通过这种算法算出的，与这个词语义相关的词以及其向量空间距离就会罗列出来。它给我们提供了一种非常重要的探究算法性能的方法。下图展示了“important”这个词在向量空间中的语义相近点

降维方法

Embedding Projector提供了三种常用的数据降维方法，这些方法可以使复杂数据可视化变的简单一些。具体为以下三种：PCA,、t-SNE、custom linear projections。PCA用在探究数据内部结构、发现数据重要维度信息上；t-SNE用于探究数据的周围信息、确定其与哪些周围数据属于同类（聚类效果），确保向量保留了数据的含义信息。custom linear projections用于确定数据含义的‘方向’（在生成模型中，统一数据，正式语气与非正式语气其含义是不同的，加入这些因素可以提高机器学习模型的适应性）。

下图是在一个35K的电子邮件常用短语数据集上，使用custom linear projection方法得出的与‘See attachments’相邻的100个点

 

此外在Embedding Projector网站上还有一些数据集，你可以去网站下载，然后试一下我们的可视化软件，如果你想公开你的训练结果，这很简单，你只需要单击软件的“Publish”按钮，便可以实现训练结果的共享了。我们希望Embedding Projector在机器学习应用方面，对研发人员有所帮助，也希望帮助大家更好理解，机器学习算法是如何对数据进行解释的。如果想了解更多的细节，请参看这里。

via 谷歌 Embedding Projector 开源，高维数据可视化变得超简单