当 “厨房，美女，海景“ 放在一起会怎么样？#paperClub

这是几张图片，主题涉及到 厨房，美女，海景等：

                                                图1 示例图像

看一下图片的空间向量分布情况：

                                                 图2 图像空间向量显示

    呈现2D图像或数据的核心就是一个数据降维。我们知道每个词或图片都会有相应的隐含意义，这个意义也就是特征向量，比如 图1 第三行左侧的图像，我们看到一张有海水、蓝天、白云和桥面的图像，这些词都会通过向量的形式隐含的呈现出来，如果两张图像代表的内容足够相似或相近，那么他们的特征也同样会在空间上非常接近， 比如 图1 第三行的两张图像内容接近，因此在图2 中导致两张图像的空间向量重合在一起了。

    同样，我们发生第三行的两位美女在图2中比较接近，因为在这6张图片中，她们是最相近的‘’一对‘’了。因此，我们可以使用空间向量的方式来可视化展示相近或相似。

    如果对面的图片分别赋予一些描述性的文字，如："kitchen", "kitchen with kids", "a beautiful girl", "Blonde", 会怎么样？

                                      图3  文字空间向量显示

现在把图像和图像对应的描述放到一起，再看看效果：

                                             图4 图像-文字 空间向量显示

下面给大家总结一下降维的方法，数据降维的常用方法有：

（1）PCA(主成分分析)

（2）LLE(局部线性嵌入)

（3）LDA(线性判别分析)

（4）SVD(奇异值分解)

（5）LE(拉普拉斯映射)

（6）MDS(多维缩放)

（7）ISOMAP(等距特征映射)

（8）t-SNE(t分布-随机近邻嵌入)

  github: paperClub-hub (PaperClub) · GitHub

paperClub：爱阅读、爱技术、爱分享的学习型青年，持续分享实用、好玩、有趣的人工智能技术。