محققان روش نوآورانهای به نام «EntroPath» معرفی کردهاند که یادگیری روی منیفلد (Manifold Learning) را وارد مرحله جدیدی میکند. این ابزار با استفاده از «مجموعه مسیرهای تصادفی با بیشینه آنتروپی»، برخلاف روشهای قدیمی که فقط روی کوتاهترین مسیرها یا همسایگیهای محلی متمرکز بودند، هندسه دقیق دادهها را در فضای چندبعدی بازیابی میکند.
چرا این خبر مهم است؟
این متد در دادههای پیچیده که دارای توزیع غیریکنواخت هستند یا به شاخههای مختلف تقسیم میشوند، عملکردی خیرهکننده دارد و میتواند جایگزین دقیقتری برای روشهای رایجی مثل t-SNE یا UMAP باشد. یک گام دیگر برای تحلیل عمیقتر دادههای بزرگ!
منبع: arXiv Machine Learning