t 분산 확률 이웃 임베딩(t-SNE)은 머신 러닝에서 고차원 데이터를 저차원 공간(일반적으로 2차원 또는 3차원)에서 시각화하는 데 사용되는 강력한 기법입니다. 이 방법은 원래의 고차원 공간에서는 명확하지 않을 수 있는 기본 패턴과 구조를 드러내어 복잡한 데이터 세트를 탐색하고 이해하는 데 특히 효과적입니다. 데이터 포인트 간의 로컬 관계를 유지하면서 차원을 줄임으로써 t-SNE는 직관적인 시각화와 분석을 가능하게 하여 탐색적 데이터 분석 및 머신 러닝 워크플로우에서 유용한 도구로 활용됩니다.
t-SNE는 유사한 객체에는 더 높은 확률을 할당하고 서로 다른 객체에는 더 낮은 확률을 할당하는 방식으로 고차원 객체 쌍에 대한 확률 분포를 구성하는 방식으로 작동합니다. 그런 다음 저차원 맵의 포인트에 대해 유사한 확률 분포를 정의하고 맵의 포인트 위치에 대한 두 분포 사이의 쿨백-라이블러 차이를 최소화합니다. 이 방법은 로컬 이웃을 보존하도록 설계되었기 때문에 고차원 공간에서 서로 가까운 점은 저차원 표현에서도 서로 가까운 경향이 있습니다.
차원 축소의 관련 개념과 이것이 머신 러닝을 어떻게 지원하는지 자세히 알아보세요.
t-SNE는 차원 축소 기법이지만, 주성분 분석(PCA)과 같은 다른 방법과는 크게 다릅니다. PCA는 분산을 최대화하여 데이터의 전체 구조를 보존하는 데 중점을 두는 반면, t-SNE는 로컬 이웃을 보존하는 데 중점을 둡니다. 이러한 차이점 때문에 t-SNE는 클러스터를 시각화하고 데이터 내의 숨겨진 구조를 발견하는 데 특히 유용합니다. 또 다른 관련 기법으로는 데이터를 클러스터로 분할하는 데 사용되는 K-평균 클러스터링이 있습니다. 둘 다 함께 사용할 수 있지만, t-SNE는 주로 시각화 도구인 반면, K-Means는 클러스터링 알고리즘입니다.
생물정보학에서 t-SNE는 복잡한 게놈 데이터를 시각화하는 데 널리 사용됩니다. 예를 들어, 연구자들이 단일 세포 RNA 시퀀싱 데이터에서 별개의 세포 집단을 식별하는 데 도움을 줄 수 있습니다. 고차원적인 유전자 발현 프로파일을 2차원 지도로 축소함으로써, t-SNE는 유사한 발현 패턴을 가진 세포의 클러스터를 밝혀내어 새로운 세포 유형이나 상태를 발견하는 데 도움을 줄 수 있습니다.
머신 러닝으로 게놈 분석에 미치는 AI의 영향에 대해 알아보세요.
t-SNE는 이미지 인식에도 적용되어 딥 러닝 모델에서 학습한 특징 공간을 시각화할 수 있습니다. 예를 들어, 이미지 분류를 위해 컨볼루션 신경망(CNN) 을 훈련할 때 t-SNE를 사용하면 네트워크가 특징 공간에서 서로 다른 클래스를 어떻게 구분하는지 시각화할 수 있습니다. 이를 통해 모델의 의사 결정 과정에 대한 인사이트를 제공하고 개선이 필요한 잠재적 영역을 파악할 수 있습니다.
고급 이미지 감지 시스템에 Ultralytics YOLO 에 대해 알아보세요.
t-SNE에는 확률적 프로세스가 포함되며, 이는 결과를 얻기 위해 무작위성을 사용한다는 의미입니다. 이 알고리즘은 가우스 분포를 사용하여 고차원 공간에서 데이터 포인트 간의 쌍별 유사도를 계산하는 것으로 시작합니다. 그런 다음 이러한 점을 저차원 공간에 매핑하고 t 분포를 사용하여 유사성을 계산합니다. 최적화 프로세스는 두 확률 분포 사이의 차이를 최소화하기 위해 저차원 공간에서 점의 위치를 반복적으로 조정합니다.
시각화 외에도 t-SNE는 딥 러닝 모델의 특징 공간 구조에 대한 인사이트를 얻는 데 사용할 수 있습니다. 특히 모델이 서로 다른 클래스나 카테고리를 어떻게 구분하는지 이해하는 데 유용합니다. 연구자들은 신경망의 중간 계층을 시각화함으로써 모델 동작을 진단하고, 잠재적인 문제를 파악하고, 모델 아키텍처를 개선할 수 있습니다.
AI의 특징 추출 기법과 그 중요성에 대해 자세히 알아보세요.
t-SNE는 머신 러닝에서 고차원 데이터를 시각화하고 해석하는 데 매우 유용한 도구입니다. 로컬 구조를 보존하는 기능 덕분에 복잡한 데이터 세트 내에서 클러스터와 패턴을 발견하는 데 특히 효과적입니다. 게놈 데이터 탐색, 딥 러닝 모델 이해, 자연어 처리 결과 시각화 등 어떤 용도로 사용하든 t-SNE는 데이터의 기본 구조에 대한 인사이트를 얻을 수 있는 강력한 수단을 제공합니다.
Ultralytics ' 비전 AI 도구가 이러한 고급 기술을 통합하여 AI 프로젝트를 더욱 향상시키는 방법을 살펴보세요.
%25202.png)
%202.png)
