Gregor Traven: t-SNE: upodobitev N-D astronomskih podatkov z znižanjem dimenzionalnosti

Gregor Traven

Astronomska skupina

Fakulteta za matematiko in fiziko, Univerza v Ljubljani

Povzetek:

 

Kako ocenjujemo podobnost? V vsakdanjem življenju se naši možgani spopadajo z ogromnimi količinami vhodnih podatkov, kot so npr. barve posameznih točk našega  vidnega polja ter spekter zvoka iz okolice. Te informacije lahko po eni strani predstavimo s točkami v nekem mnogodimenzionalnem vektorskem prostoru, ali pa v bolj kompaktni obliki: rdeča vrtnica, enajstkraka zvezda, ton Cis. 

Prav tako se v astronomiji ob vse večjih količinah zajetih podatkov soočamo s težavo njihove vizualizacije oziroma uporabne predstavitve. Tipično je minimalno število parametrov, ki nek proučevani objekt razlikujejo od drugega, precej manjše kot dimenzionalnost zajetih podatkov. V najbolj preprostem opisu lahko npr. spektre zvezd med seboj ločimo glede na temperaturo, gravitacijo in vsebnost kovin. Realno pa spekter zvezde ponavadi sestavlja tisoče ali desettisoče podatkovnih točk. 

 

V predstavitvi si bomo ogledali novo metodo t-SNE, s katero je mogoče skrite zakonitosti v podatkih odkrivati preprosto in učinkovito. Pokazali bomo, kako lahko z zniževanjem dimenzionalnosti uspešno upodobimo tako lokalno kot globalno strukturo podatkovnih točk iz različnih intrinzičnih mnogoterosti. Rezultate t-SNE bomo primerjali tudi s projekcijami konkurenčnih metod na raznovrstnih podatkovnih zbirkah.

 

Predstavitve prejšnjih astrodebat najdete na spletni strani Astrodebate.