如何从缩小的维度集中提取要素名称?

时间:2017-12-22 17:08:54

标签: tensorflow machine-learning deep-learning pca autoencoder

我正在使用PCA和/或Deep Autoencoders来缩小我的设置的尺寸,但我的问题不仅仅是设置尺寸减小,是否可能或如何接收这些设备的特征名称?尺寸是多少?

例如: 作为自动编码器响应,我得到以下结果:

encoded_out[0:2]
out: array([[ 3.74947715,  0.        ,  3.22947764],
            [ 3.93903661,  0.17448257,  1.86618853]], dtype=float32)

但是,我想知道这三列的列名(功能名称)。

任何帮助将不胜感激。

谢谢。

1 个答案:

答案 0 :(得分:1)

TL; DR,编码器的功能是一个黑盒子,如果你想解释它们,你需要探索它。它们没有直接意义或“列名”。

自动转换器将您的数据从某些高维空间转换为瓶颈层(通常称为潜在空间),并返回到原始输入形状。此潜在空间是数据的压缩表示,并且为了使潜在表示有效,您的网络正在尝试提取数据的最重要功能。

不幸的是,解释潜在空间的含义并不容易(通常也很难)。您可以尝试使用可视化技术来可视化您的数据,例如创建潜在空间的2D投影的t-SNE,您需要从中研究表示的基本含义。