假如你有一個(gè)一千列和一百萬(wàn)行的數(shù)據(jù)集。無(wú)論你從哪個(gè)角度看它——小型，中型或大型的數(shù)據(jù)——你不可能看到它的全貌。將它放大或縮小。使它能夠在一個(gè)屏幕里顯示完全。由于人的本質(zhì)，如果能夠看到事物的全局的話，我們就會(huì)有更好的理解。有沒(méi)有辦法把數(shù)據(jù)都放到一張圖里，讓你可以像觀察地圖一樣觀察數(shù)據(jù)呢？

將深度學(xué)習(xí)與拓?fù)鋽?shù)據(jù)分析結(jié)合在一起完全能夠達(dá)到此目的，并且還綽綽有余。

1、它能在幾分鐘內(nèi)創(chuàng)建一張數(shù)據(jù)圖，其中每一個(gè)點(diǎn)都是一個(gè)數(shù)據(jù)項(xiàng)或一組類(lèi)似的數(shù)據(jù)項(xiàng)。

基于數(shù)據(jù)項(xiàng)的相關(guān)性和學(xué)習(xí)模式，系統(tǒng)將類(lèi)似的數(shù)據(jù)項(xiàng)組合在一起。這將使數(shù)據(jù)有唯一的表示方式，并且會(huì)讓你更清晰地洞察數(shù)據(jù)?？梢暬瘓D中的節(jié)點(diǎn)由一個(gè)或多個(gè)數(shù)據(jù)點(diǎn)構(gòu)成，而點(diǎn)與點(diǎn)之間的鏈接則代表數(shù)據(jù)項(xiàng)之間高相似性。

2、它展示了數(shù)據(jù)中的模式，這是使用傳統(tǒng)商業(yè)智能無(wú)法識(shí)別的。

下面是個(gè)案例，展示的是算法是如何僅僅通過(guò)分析用戶行為來(lái)識(shí)別兩組不同的人群。典型的特征區(qū)分，黃色和藍(lán)色點(diǎn)：女性和男性。

如果我們分析行為類(lèi)型，我們會(huì)發(fā)現(xiàn)，其中一組大部分是發(fā)送信息（男性），而另一組則多為接收信息（女性）。

3、它能在多層面上識(shí)別分段數(shù)據(jù)

分段數(shù)據(jù)表現(xiàn)在多種層面上——從高層次分類(lèi)到具有相同數(shù)據(jù)項(xiàng)的分組。

在一個(gè)Netflix數(shù)據(jù)集的例子中，每個(gè)數(shù)據(jù)項(xiàng)是一部電影。最高層次的一組是音樂(lè)，孩子，外交和成人電影。中層次的部分包含不同分段：從印度片和港片到驚悚片和恐怖片。在低層次中是電視連續(xù)劇分組，比如“萬(wàn)能管家”，“辦公室”，“神秘博士”等。

4、它能分析任何數(shù)據(jù)：文本，圖像，傳感器數(shù)據(jù)，甚至音頻數(shù)據(jù)。

任何數(shù)據(jù)都可以被分段并理解，如果可以將它展現(xiàn)為數(shù)字矩陣，其中每一行是一個(gè)數(shù)據(jù)項(xiàng)，列是一個(gè)參數(shù)。下面這些是最常見(jiàn)的用例：

5、如果你引導(dǎo)它，它能學(xué)習(xí)更復(fù)雜的依賴關(guān)系。

選擇一組數(shù)據(jù)項(xiàng)，將它們分組，算法就會(huì)發(fā)現(xiàn)所有相關(guān)或類(lèi)似的數(shù)據(jù)項(xiàng)。重復(fù)這個(gè)過(guò)程數(shù)次，那么神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到它們之間的差異，比如Mac硬件，PC硬件和一般電子文本的差異。

對(duì)20000篇屬于20個(gè)不同主題的文章進(jìn)行了初步分析，得出一個(gè)密集的點(diǎn)云圖（左圖）。在使用深度學(xué)習(xí)迭代幾次之后，算法會(huì)將它們進(jìn)行分類(lèi)，錯(cuò)誤率僅僅1.2%（右圖）。

6、即使沒(méi)有監(jiān)督它也能夠?qū)W習(xí)

深度學(xué)習(xí)和自編碼器模擬了人類(lèi)大腦活動(dòng)，并且能夠在數(shù)據(jù)集中自動(dòng)識(shí)別高層次的模式。例如，在谷歌大腦計(jì)劃中，自編碼器通過(guò)“觀看”一千萬(wàn)條YouTube視頻截取的數(shù)字圖像，成功地學(xué)習(xí)并識(shí)別出人和貓臉：

我最近在使用拓?fù)鋽?shù)據(jù)分析和深度學(xué)習(xí)，并開(kāi)發(fā)出一套工具，它將這些技術(shù)轉(zhuǎn)換成了一個(gè)用戶友好型界面，能夠讓人們觀察數(shù)據(jù)并發(fā)現(xiàn)潛在聯(lián)系。去這個(gè)網(wǎng)站看看，并讓我知道你是否愿意創(chuàng)建你自己數(shù)據(jù)的地圖。

原文鏈接： 6 crazy things Deep Learning and Topological Data Analysis can do with

your data（譯者/劉翔宇 審校/劉帝偉、朱正貴 責(zé)編/周建?。?/p>