潜空间

潜空间，也被称为潜特征空间或嵌入空间，是一组物品在流形内的嵌入，其中彼此相似的物品在潜空间内的位置更加接近。潜空间中的位置可以被看作是由一组潜变量定义的，这些潜变量是从物体的相似性中产生的。

在大多数情况下，潜空间的维度被选择为低于数据点所来自的特征空间的维度，这使得潜空间的构建成为降维的一个例子，这也可以被视为一种数据压缩形式。

潜空间通常通过机器学习进行拟合，然后它们可以被用作机器学习模型的特征空间，包括分类器和其他监督预测器。对机器学习模型的潜空间的解释是一个活跃的研究领域，但潜空间的解释很难实现。

由于机器学习模型的黑箱性质，潜空间可能是完全不直观的。此外，潜空间可能是高维的、复杂的和非线性的，这可能增加解释的难度。

一些可视化技术已经被开发出来，以连接潜空间和视觉世界，但潜空间解释和模型本身之间往往没有直接联系。这类技术包括t分布式随机邻接嵌入（t-SNE），其中潜伏空间被映射到两个维度以实现可视化。

潜伏空间的距离缺乏物理单位，所以这些距离的解释可能取决于应用。有许多算法可以在给定一组数据项和一个相似性函数的情况下创建潜在空间嵌入。