本頁面由 Cloud Translation API 翻譯而成。

嵌入：翻譯成較低維度的空間

嵌入是這種空間可以和高維度向量有關高維度與低維度資料，請參閱類別資料後續課程我們將逐一介紹預先訓練的 API、AutoML 和自訂訓練

嵌入可讓使用者更輕鬆地在大規模處理機器學習作業 特徵向量，例如也就是上一節。在理想情況下，嵌入會擷取一些透過將意義更相似的輸入內容，提高輸入內容的語意整合在一起舉例來說，良好的嵌入會將文字「car」更靠近「車庫」而不是「大象」您可以訓練嵌入並在不同模型中重複使用

為了協助您瞭解嵌入向量如何表示資訊，以單一維度呈現菜餚 hot dog 披薩 salad、沙威瑪，以及 borscht、「最少」三明治「最像是三明治」「三明治」是單一維度

圖 3. 沿著三明治的座標軸，從最低到最多：
博爾施特, 沙拉, 披薩, 熱狗, 沙威瑪。 — **圖 3.** 美食聚集了您所想像的「三明治」維度。

這一行中的哪個部分 Apple Strudel 跌倒？當然，它可以放在 hot dog 和 shawarma 之間。但是蘋果 Strudel 似乎具備額外的「甜甜度」維度 (太棒了，食物為何) 或「甜點」 (味著食物多少菜餚) 這和其他選項有極大差異下圖呈現了新增「甜點」維度：

圖 4. 與之前相同的圖片，但垂直軸為
甜點。蘋果樹果在熱狗和沙威瑪之間相隔很高，但拔得很高
但目標軸的正好是水平軸 — **圖 4.** 皆以「三明治」表示的食物以及「甜點」

嵌入項目代表 nD 維度空間中的每個項目，n 浮點數 (通常介於 1 到 1 或 0 到 1 之間)。例如，圖 4 中的嵌入代表在由兩個座標構成的 2D 空間「apple strudel」項目位於以 0.5 和 0.3 為基準，而「hot dog」位於圖表的右下方象限並可指定為點 (0.2、-0.5)。

在嵌入中，可計算任兩個項目之間的距離從數學上可視為兩者的項目。兩個距離最近的項目，例如 shawarma 和 hot dog 在圖 4 中，彼此的關聯性比兩個目標更遙遠例如 apple strudel 和 borscht。

另請注意，在圖 4 的 2D 空間中，apple strudel 遠得更遠比來自 shawarma 和 hot dog 的 1D 空間中，直覺：apple strudel 與熱狗或沙威瑪不像熱狗兩隻狗和沙威瑪互相交談。

現在請考慮 borscht，這比其他物品的液體多出許多。這個要提供的第三個維度，液體 (食物的液體方式)。新增該維度後，就能以 3D 方式呈現項目：

圖 5. 圖片與之前相同，但有第三軸液體
然後沿該軸向另一側移動到另一半 — **圖 5.** 以「三明治」表示的食物「甜點」和「液體」

在這個 3D 空間中 tangyuan 出發？是像羅司機這樣的茶，還有蘋果餡餅等甜甜的甜點，當然可以而不是三明治以下是其中一種可能的刊登位置：

圖 6. 圖片與之前相同，不過唐舌的擺放位置較高
供應甜點和液態含量，以及低安全性的三明治 — **圖 6.** 為上一張圖像添加唐菰器，高度為「甜點」和「液體」並且用「三明治」做為指令

請注意這三種維度呈現的資訊量。您可以想出其他維度，例如「滿意」或「烘焙」。

真實世界的嵌入空間

如上方的食物範例所示，即使是小型的多維度空間方便將語意相似的項目歸為一組不同的物件向量的位置 (距離和方向) 空間可以用優良的嵌入來編碼語意例如，下列真實嵌入的示意圖說明幾何關係和應用程式首字母之間的距離。可以看到來自「加拿大」「Ottawa」大約和「土耳其」的距離相同到「安卡拉」。

圖 7. 三個代表字詞的字詞嵌入範例
有幾何關係：性別 (男性/女性和國王/女王大概都是如此)
相同長度)、動詞時態（步行/步行和游泳/游泳）大致上
) 以及首都城市 (土耳其/安卡拉和越南/哈諾市)
兩者的長度差不多)。 — **圖 7**.嵌入會產生著名的類比。

有意義的嵌入空間幫助機器學習模型偵測模式儲存權重

運動

在本練習中，您將使用嵌入投影工具：以視覺化方式呈現字詞也就是名為 word2vec 的嵌入在向量空間中，以數字表示的方式表示超過 70,000 個英文字詞

工作 1

請執行以下工作，然後回答以下問題。

開啟「Embedding Projector」工具。
在右側面板的「搜尋」欄位中輸入 atom。接著在「4 個相符結果」下方，按一下下列結果中的「atom」字詞。您的畫面應如圖 8 所示。

圖 8.嵌入投影機工具，含有「atom」一詞已新增。
同樣在右側面板中，按一下「Isolate 101 points」按鈕 (上方) 搜尋欄位)，以顯示 atom 最近的 100 個字詞。你的螢幕應該如圖 9 所示

圖 9.嵌入投影機工具，現在提供「101 分積分」點擊 (以紅色圈圈顯示)。