neural-network - 如何训练神经网络来学习从高维空间(~300d)映射到二维平面的“函数”?
问题描述
现在,我在 300 维空间中大约有 10M 数据点,等待缩减为 2D 空间。我知道一些降维算法,比如t-SNE、多核t-SNE、Q-SNE、umap、largevis。但是,对于如此大规模的数据,它们太慢了。我认为以下想法可以缓解这个问题:
- 简单的 10% 数据,应用 DR 算法为每个数据获取 (300d, 2d) 对,将这些对视为训练数据。
- 使用训练数据训练深度神经网络,将 300d 映射到 2d
- 将学习到的映射应用于其余 90% 的数据。
这是一个可行的想法吗?你知道遵循类似想法的任何工作吗?对构建这样一个神经网络有什么建议吗?