Embedding

W uczeniu maszynowym technika embedding pozwala na znajdywanie podobnych encji (np. tekstów, piosenek, obrazów…). A wykorzystywane są przy tym wektory (można się pokusić o stwierdzenie, że embedding to wektor) wielowymiarowe.

Przykład wizualny

Załóżmy, że mamy bazę danych ludzi i kategoryzujemy ich na podstawie wzrostu i wagi:

I pojawia się nowa osoba (oznaczona na zielono), i znamy jej wzrost i wagę:

Możemy na przykład spróbować wywnioskować, że ta osoba jest prawdopodobnie kobietą.

Jak to działa w praktyce?

W praktyce sprawa sprowadza się do stworzenia wektora (embedding) dla nowego przypadku i dopasowania go, do już istniejących wektorów. Czyli mając bazę:

Sex	Height	Weight
Male	180	90
Male	190	100
Female	170	60
Female	160	50

I dostając dane odnośnie wagi oraz wysokości:

Height: 165
Weight: 55

Możemy spróbować przewidzieć płeć osoby – tworzymy nowy wektor i szukamy najbliższych mu istniejących:

Nowy wektor:
[165,55]

Istniejące:
[180,90][190,100][170,60][160,50]

Najbliższe wektory to te przynależące do kobiet:
[170,60][160,50]