This HTML5 document contains 45 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dcthttp://purl.org/dc/terms/
n12https://www.youtube.com/
template-enhttp://ja.dbpedia.org/resource/Template:
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-wikidatahttp://wikidata.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
n5http://ja.dbpedia.org/resource/Category:
n7http://ja.wikipedia.org/wiki/
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
n6https://lvdmaaten.github.io/tsne/
dbpedia-jahttp://ja.dbpedia.org/resource/
prop-enhttp://ja.dbpedia.org/property/

Statements

Subject Item
dbpedia-wikidata:Q18387205
owl:sameAs
dbpedia-ja:T分布型確率的近傍埋め込み法
Subject Item
dbpedia-ja:SNE
dbo:wikiPageWikiLink
dbpedia-ja:T分布型確率的近傍埋め込み法
Subject Item
dbpedia-ja:T分布型確率的近傍埋め込み法
rdfs:label
T分布型確率的近傍埋め込み法
rdfs:comment
t分布型確率的近傍埋め込み法（ティーぶんぷかくりつてききんぼううめこみほう、英語: t-distributed Stochastic Neighbor Embedding、略称: t-SNE）は、高次元データの個々のデータ点に2次元または3次元マップ中の位置を与えることによって可視化のための統計学的手法である。サム・ロウェイスとジェフリー・ヒントンにより最初に開発された確率的近傍埋め込み法を基にしており、ラウレンス・ファン・デル・マーテンがt分布版を提唱した。高次元データの可視化のため2次元または3次元の低次元空間へ埋め込みに最適な手法である。具体的には、高次元のデータ集合を2次元または3次元へ配置する際に、高い確率で類似した集合が近傍に、異なる集合が遠方となるように対応付ける。 t-SNEのアルゴリズムは主に2つの段階で構成される。第一に、高次元データの各対について類似する集合が選択される可能性が高く、一方で異なる集合が選択される可能性が極めて小さくなるように確率分布を構築する。第二に、低次元マップ上の集合について同様な確率分布を定義し、2つの分布間のカルバック・ライブラー情報量を最小化する低次元マップ内の点の位置を求める。元のアルゴリズムは二点の類似度の指標にユークリッド距離を使用しているが、これは必要に応じ適切に変更する必要がある。
dct:subject
n5:次元削減 n5:データ分析 n5:数学に関する記事 n5:機械学習
dbo:wikiPageID
3929020
dbo:wikiPageRevisionID
87662657
dbo:wikiPageWikiLink
dbpedia-ja:確率分布 dbpedia-ja:ジェフリー・ヒントン n5:データ分析 dbpedia-ja:スペクトルクラスター dbpedia-ja:人工ニューラルネットワーク dbpedia-ja:機械学習 dbpedia-ja:バイオインフォマティクス dbpedia-ja:次元の呪い dbpedia-ja:コンピュータセキュリティ dbpedia-ja:ユークリッド距離 dbpedia-ja:二分法 dbpedia-ja:シャノンエントロピー dbpedia-ja:T分布 dbpedia-ja:コーシー分布 n5:次元削減 n5:機械学習 dbpedia-ja:非線形次元削減 n5:数学に関する記事 dbpedia-ja:カルバック・ライブラー情報量 dbpedia-ja:ロバストネス
dbo:wikiPageExternalLink
n6: n12:watch%3Fv=RJVL80Gg3lA
prop-en:wikiPageUsesTemplate
template-en:Reflist template-en:Machine_learning_bar
dbo:abstract
t分布型確率的近傍埋め込み法（ティーぶんぷかくりつてききんぼううめこみほう、英語: t-distributed Stochastic Neighbor Embedding、略称: t-SNE）は、高次元データの個々のデータ点に2次元または3次元マップ中の位置を与えることによって可視化のための統計学的手法である。サム・ロウェイスとジェフリー・ヒントンにより最初に開発された確率的近傍埋め込み法を基にしており、ラウレンス・ファン・デル・マーテンがt分布版を提唱した。高次元データの可視化のため2次元または3次元の低次元空間へ埋め込みに最適な手法である。具体的には、高次元のデータ集合を2次元または3次元へ配置する際に、高い確率で類似した集合が近傍に、異なる集合が遠方となるように対応付ける。 t-SNEのアルゴリズムは主に2つの段階で構成される。第一に、高次元データの各対について類似する集合が選択される可能性が高く、一方で異なる集合が選択される可能性が極めて小さくなるように確率分布を構築する。第二に、低次元マップ上の集合について同様な確率分布を定義し、2つの分布間のカルバック・ライブラー情報量を最小化する低次元マップ内の点の位置を求める。元のアルゴリズムは二点の類似度の指標にユークリッド距離を使用しているが、これは必要に応じ適切に変更する必要がある。 t-SNEは、コンピュータセキュリティ研究、音楽分析、癌研究,、バイオインフォマティクス、および生物医学信号処理を含む、幅広い応用の可視化に利用されている。人工ニューラルネットワークによって学習された高レベルの表現の可視化にもよく使用される。 多くの場合、t-SNEで表示された図ではクラスターが見えるが、可視化されたクラスターは選択したパラメータにより強く影響される可能性があるため、t-SNEのパラメータをよく理解することが必要である。そのような「クラスター」は、非クラスターのデータにも現れることがあり、したがって誤った発見かもしれない。したがって、パラメータを選択して結果を検証を繰り返す探索が必要となる可能性がある。t-SNEはよく分離されたクラスターを復元できることが多く、特別なパラメーターを選択により単純な形の形状を近似することが実証されている。
dbo:wikiPageLength
7705
prov:wasDerivedFrom
n7:T分布型確率的近傍埋め込み法?oldid=87662657&ns=0
foaf:isPrimaryTopicOf
n7:T分布型確率的近傍埋め込み法
Subject Item
dbpedia-ja:タグクラウド
dbo:wikiPageWikiLink
dbpedia-ja:T分布型確率的近傍埋め込み法
Subject Item
dbpedia-ja:単語の埋め込み
dbo:wikiPageWikiLink
dbpedia-ja:T分布型確率的近傍埋め込み法
Subject Item
dbpedia-ja:T-SNE
dbo:wikiPageWikiLink
dbpedia-ja:T分布型確率的近傍埋め込み法
dbo:wikiPageRedirects
dbpedia-ja:T分布型確率的近傍埋め込み法
Subject Item
dbpedia-ja:Tsne
dbo:wikiPageWikiLink
dbpedia-ja:T分布型確率的近傍埋め込み法
dbo:wikiPageRedirects
dbpedia-ja:T分布型確率的近傍埋め込み法
Subject Item
n7:T分布型確率的近傍埋め込み法
foaf:primaryTopic
dbpedia-ja:T分布型確率的近傍埋め込み法