Léirigh na leabaithe
Ar an leathanach seo
Cuspóirí
- Veicteoirí ardtoiseacha a laghdú chun iad a léiriú i 2D/3D
- t-SNE agus UMAP a úsáid chun léirshamhlú a dhéanamh
- Braislí amhairc a léirmhíniú
An dúshlán: 3,072 toise
Tá na leabaithe ina gcónaí i spás 3,072-toise nach féidir le haon duine a fheiceáil go díreach. Chun iad a scrúdú, caithfidh tú iad a thionscadal isteach i dhá nó trí thoise. Glacann sé seo le cailliúint áirithe faisnéise, ach coimeádann sé an struchtúr riachtanach: ba chóir do phointí a bhí gar dá chéile fanacht gar. Is uirlis dhiagnóiseach chumhachtach é seo. Léimeann braisle scoilte nó téamaí forluiteacha amach ar an gcéad amharc, cé go bhféadfadh méadrachtaí comhiomlána iad a chailleadh go hiomlán.
Laghdú toiseachta le t-SNE
Is é t-SNE (t-distributed Stochastic Neighbor Embedding) an modh clasaiceach. Faigheann sé leagan amach 2D ina gcoimeádann gach pointe a chomharsanacht bhunaidh. Déanann an sampla thíos corpas a thógáil d’aon ghnó le trí théama ar leith—AI, cócaireacht, agus spórt—ionas gur féidir leat a fhíorú go n-aisghabhann an tionscadal an struchtúr a bhí súil leis.
from openai import OpenAI
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt
import numpy as np
client = OpenAI()
# Example corpus
textes = [
# AI Cluster
"Deep learning uses neural networks",
"Machine learning transforms data science",
"Transformers revolutionized NLP",
"GPT-5 is a large language model",
# Cooking Cluster
"Chocolate cake recipe",
"How to prepare ratatouille",
"Basics of French pastry",
"Oven baking techniques",
# Sports Cluster
"Paris Marathon attracts thousands of runners",
"Interval training for running",
"Soccer rules explained",
"Sports nutrition and performance",
]
categories = (["AI"] * 4 + ["Cooking"] * 4 + ["Sports"] * 4)
# Generate embeddings
response = client.embeddings.create(
input=textes,
model="text-embedding-3-large"
)
embeddings = np.array([d.embedding for d in response.data])
# t-SNE reduction to 2D
tsne = TSNE(n_components=2, random_state=42, perplexity=4)
coords = tsne.fit_transform(embeddings)
# Visualization
couleurs = {"AI": "#2563eb", "Cooking": "#dc2626", "Sports": "#16a34a"}
fig, ax = plt.subplots(figsize=(10, 8))
for cat in couleurs:
mask = [c == cat for c in categories]
ax.scatter(
coords[mask, 0], coords[mask, 1],
c=couleurs[cat], label=cat, s=100, alpha=0.8
)
for i, (x, y) in enumerate(coords[mask]):
idx = [j for j, m in enumerate(mask) if m][i]
ax.annotate(
textes[idx][:30] + "...",
(x, y), fontsize=7, alpha=0.7
)
ax.legend()
ax.set_title("t-SNE Visualization of Embeddings")
plt.tight_layout()
plt.savefig("tsne_embeddings.png", dpi=150)
plt.show()
Tiomáineann trí pharaiméadar an toradh. Cothromaíonn perplexity an struchtúr áitiúil i gcoinne an struchtúir ghloibigh, le luachanna tipiciúla idir 5 agus 50; anseo, socraítear é ar 4 toisc nach bhfuil ach dhá phointe dhéag sa chorpas, agus chruthódh perplexity níos airde ná na comharsana atá ar fáil tionscadal neamhchomhleanúnach. Socraíonn n_iter líon na n-iteráidí optamaithe, le híosphointe 250 agus idealach níos mó ná 1,000. Áirithíonn random_state in-atáirgeadh: gan é, thabharfadh dhá rith leantacha figiúirí difriúla, rud a dhéanfadh comparáid dodhéanta.
Laghdú le UMAP
Is minic a fhearrtar UMAP (Uniform Manifold Approximation and Projection) thar t-SNE toisc go bhfuil sé níos tapúla agus go gcoimeádann sé an struchtúr globálach níos fearr. I bhfocail eile, ciallaíonn rud éigin an fad idir dhá bhraisle ar ghraf UMAP, cé go bhfuil sé treallach le t-SNE.
import umap
# UMAP reduction to 2D
reducer = umap.UMAP(n_components=2, random_state=42, n_neighbors=5)
coords_umap = reducer.fit_transform(embeddings)
fig, ax = plt.subplots(figsize=(10, 8))
for cat in couleurs:
mask = [c == cat for c in categories]
ax.scatter(
coords_umap[mask, 0], coords_umap[mask, 1],
c=couleurs[cat], label=cat, s=100, alpha=0.8
)
ax.legend()
ax.set_title("UMAP Visualization of Embeddings")
plt.tight_layout()
plt.savefig("umap_embeddings.png", dpi=150)
plt.show()
Déanann an tábla thíos achoimre ar na malartuithe idir an dá mhodh.
| Critéar | t-SNE | UMAP |
|---|---|---|
| Luas | Mall (O(n²)) | Tapa |
| Struchtúr globálach | Droch-choimeádta | Dea-choimeádta |
| In-atáirgeadh | Athraitheach | Cobhsaí |
| Paraiméadair | perplexity | n_neighbors, min_dist |
Léirshamhlú idirghníomhach 3D
Ar chorpas de roinnt céad pointe, éiríonn figiúr statach doléite: forluíonn lipéid, agus ní féidir leat a rá cén téacs a fhreagraíonn do ché phointe. Réitíonn Plotly é seo trí fhaisnéis a bhogadh isteach i mbarrfhaisnéisí (tooltips) agus trí ligean duit scamall na bpointí a rothlú.
import plotly.express as px
import pandas as pd
# Reduction to 3D
reducer_3d = umap.UMAP(n_components=3, random_state=42, n_neighbors=5)
coords_3d = reducer_3d.fit_transform(embeddings)
df = pd.DataFrame({
"x": coords_3d[:, 0],
"y": coords_3d[:, 1],
"z": coords_3d[:, 2],
"category": categories,
"text": [t[:50] for t in textes]
})
fig = px.scatter_3d(
df, x="x", y="y", z="z",
color="category",
hover_data=["text"],
title="3D Embeddings"
)
fig.write_html("embeddings_3d.html")
fig.show()
Tá an comhad HTML a thagann as réidh le roinnt. Is bealach den scoth é chun a thaispeáint d’fhoireann gnó conas a dháiltear a gcuid doiciméad gan líne cód amháin a scríobh.
Éifeacht an laghdaithe toiseachta a léirshamhlú
Dúirt Ceacht 2 go gcoimeádann veicteoir a ghearradh go 256 toise thart ar 88% dá cháilíocht. Fanann an figiúr sin teibí go dtí go bhfeiceann tú é. Trí an corpas céanna a ghiniúint i gceithre mhéid éagsúla agus gach leagan a thionscadal, feiceann tú go díreach cathain a thosaíonn na braislí ag teagmháil lena chéile. Ligeann sé seo duit cinneadh a dhéanamh bunaithe ar fhianaise seachas ar riail ghinearálta.
dimensions_a_tester = [256, 512, 1536, 3072]
fig, axes = plt.subplots(1, 4, figsize=(24, 5))
for ax, dim in zip(axes, dimensions_a_tester):
resp = client.embeddings.create(
input=textes,
model="text-embedding-3-large",
dimensions=dim
)
embs = np.array([d.embedding for d in resp.data])
tsne = TSNE(n_components=2, random_state=42, perplexity=4)
coords = tsne.fit_transform(embs)
for cat in couleurs:
mask = [c == cat for c in categories]
ax.scatter(coords[mask, 0], coords[mask, 1],
c=couleurs[cat], label=cat, s=60)
ax.set_title(f"{dim} dimensions")
ax.legend(fontsize=7)
plt.tight_layout()
plt.savefig("comparaison_dimensions.png", dpi=150)
plt.show()
Rabhadh sula ndéanann tú na figiúirí seo a léirmhíniú: déanann tionscadal saobhadh i gcónaí. Ní gá go mbeadh pointe aonair ar an ngraf aonair sa spás bunaidh, agus d’fhéadfadh dhá bhraisle atá greamaithe le chéile i 2D a bheith scartha go foirfe i 3,072 toise. Cabhraíonn léirshamhlú leat hipitéis a fhoirmiú, ach ní dhéanann sé í a bhailíochtú riamh. Braitheann bailíochtú ar na méadrachtaí a phléifimid i gCeacht 10.
Príomhphointí
- Tionscadalaíonn t-SNE agus UMAP leabaithe isteach i 2D/3D chun iad a léirshamhlú
- Is fearr UMAP go ginearálta mar gheall ar a luas agus a dhílseacht
- Cumasaíonn Plotly léirshamhluithe 3D idirghníomhacha
- Cabhraíonn léirshamhlú le cáilíocht na leabaithe a bhailíochtú agus le hanamálacha a bhrath