[爆卦]tsne google是什麼?優點缺點精華區懶人包

雖然這篇tsne google鄉民發文沒有被收入到精華區:在tsne google這個話題中,我們另外找到其它相關的精選爆讚文章

在 tsne產品中有2篇Facebook貼文,粉絲數超過1萬的網紅DeepBelief.ai 深度學習,也在其Facebook貼文中提到, 降維視覺化神器tsne,也能透過GPU狂飆速了... https://medium.com/rapids-ai/tsne-with-gpus-hours-to-seconds-9d9c17c941db...

 同時也有3部Youtube影片,追蹤數超過4,830的網紅angealbk201,也在其Youtube影片中提到,MGO2の時のTSNE(チームスニーキング)みたいなルール。 オートマッチングのランダムで初プレイすることに。 チースニ苦手だったし、オンの潜入あんまり好きじゃないから、今までスルー。 ここの地下ルートはまだあんまり覚えられてない印象だから、速攻走って取りに行ったら、案の定守りがいなくて成功したw...

tsne 在 YOSUKE KUBOZUKA Instagram 的最讚貼文

2021-05-14 13:23:02

GQ recommends 『Giri/Haji』(Netflix) ^ ^...

  • tsne 在 DeepBelief.ai 深度學習 Facebook 的精選貼文

    2019-11-28 07:38:58
    有 113 人按讚

    降維視覺化神器tsne,也能透過GPU狂飆速了...
    https://medium.com/rapids-ai/tsne-with-gpus-hours-to-seconds-9d9c17c941db

  • tsne 在 北歐心科學 NordicHearts Facebook 的精選貼文

    2018-03-12 14:48:27
    有 13 人按讚


    [科普潮文] [大數據,小生物學家]

    #metoo
    #dxxkpic
    用別人發布的細胞data跑了個Principle Component Analysis (PCA,主成份分析)。我應該告他們性騷擾我,告電腦騷擾我,還是告那些細胞性騷擾我?

    The Era of Big Data,很大程度上幫助了生物學研究。我們有方法把想研究的器官,拆解成單細胞,再分析每個細胞的RNA成份,從而了解每個細胞在做甚麼,以及細胞之間的差異,有時會找到傳統方法找不到的細胞。

    每個細胞都可以表達成千上萬的不同基因,如何找出它們的關係?應該比較哪一個基因?為了能比較多項變數,統計學家發明了PCA,將差異最大的變數,總結成不同的Components,只要觀察頭幾個Components,就能大致觀察個體之間的差異。舉個例,如果有一堆白人黑人混在一起,你就會用他們的膚色、瞳色、語言等差異較大的變數做Component ,把數據分辨出來,令數據變得可視(Data visualisation)。

    對於更大型的Data,bioinformatician 會用機器學習(machine learning) 方式,找出如何比較數據才是最佳。最典型的就是t-Distributed Stochastic Neighbour Embedding (t-SNE),只要你輸入一堆Data,它就會幫你找不同與歸類,不單是生物學數據,甚至連google image的結果,都可以用t-SNE分類。生物學上,tSNE有助找出獨特的細胞,是這個J樣的PCA不能做到的。

    頭盔:我只是會一點code的biologist,統計學知識不全,有錯請指正。