t-distributed Stochastic Neighbor Embedding (t-SNE)

t-distributed Stochastic Neighbor Embedding (t-SNE), her veri noktasına iki veya üç boyutlu bir haritada bir konum vererek yüksek boyutlu verileri görselleştirmek için kullanılan istatistiksel bir yöntemdir. Doğrusal olmayan boyut indirgeme biçimi olan bu teknik, yüzlerce veya binlerce özellik içeren veri kümelerini keşfetmek için makine öğreniminde yaygın olarak kullanılır. Küresel yapıları korumaya odaklanan doğrusal yöntemlerin aksine t-SNE; aksi takdirde gizli kalabilecek yerel kümeleri ve manifoldları ortaya çıkararak, benzer örnekleri birbirine yakın tutma konusunda başarılıdır. Bu durum onu, genomik araştırmalarından derin sinir ağlarının iç mantığını anlamaya kadar her şey için paha biçilmez bir araç haline getirir.

t-SNE Nasıl Çalışır#

t-SNE'nin temel fikri, veri noktaları arasındaki benzerlikleri ortak olasılıklara dönüştürmeyi içerir. Orijinal yüksek boyutlu uzayda algoritma, noktalar arasındaki benzerliği bir Gauss dağılımı kullanarak ölçer. İki nokta birbirine yakınsa, "komşu" olma olasılıkları yüksektir. Algoritma daha sonra bu noktaları, bu olasılıkları korurken daha düşük boyutlu bir uzaya (genellikle 2D veya 3D) eşlemeye çalışır.

Bunu başarmak için, Student t-dağılımını kullanarak düşük boyutlu haritada benzer bir olasılık dağılımı tanımlar. Bu özel dağılım, normal bir Gauss dağılımına göre daha kalın kuyruklara sahiptir; bu da "yığılma sorununun"—yani yüksek boyutlu uzaydaki noktaların aşağı yansıtıldığında üst üste çökme eğiliminde olduğu bir olgunun—çözülmesine yardımcı olur. t-SNE, görselleştirmede birbirine benzemeyen noktaları birbirinden daha uzağa iterek eğitim verilerinin temel yapısını ortaya çıkaran belirgin, okunabilir kümeler oluşturur. Algoritma, yüksek boyutlu ve düşük boyutlu olasılık dağılımları arasındaki sapmayı en aza indirerek gözetimsiz öğrenme yoluyla en iyi harita temsilini etkili bir şekilde öğrenir.

Yapay Zekada Gerçek Dünya Uygulamaları#

t-SNE, keşifsel veri analizi (EDA) ve model tanılama için standart bir araçtır. Mühendislerin bir modelin ne öğrendiğini "görmesini" sağlar.

• Bilgisayarlı Görü Özelliklerini Doğrulama: YOLO26 gibi modelleri kullanan nesne tespiti iş akışlarında geliştiricilerin genellikle ağın görsel olarak benzer sınıfları ayırt edip edemediğini kontrol etmesi gerekir. Mühendisler, ağın son katmanlarından özellik haritalarını çıkarıp bunları t-SNE ile yansıtarak "kediler" ile "köpekler" görsellerinin ayrı kümelenip kümelenmediğini görselleştirebilir. Kümeler karışmışsa bu durum, modelin özellik çıkarma yeteneklerinin geliştirilmesi gerektiğine işaret eder.
• Doğal Dil İşleme (NLP): t-SNE, kelime gömmelerini görselleştirmek için yoğun bir şekilde kullanılır. Yüksek boyutlu kelime vektörleri (genellikle 300+ boyut) 2D'ye yansıtıldığında, benzer anlamsal anlamlara sahip kelimeler doğal olarak bir araya gelir. Örneğin, bir t-SNE grafiği "king", "queen", "prince" ve "monarch" içeren bir küme göstererek Doğal Dil İşleme (NLP) modelinin krallık kavramını kavradığını ortaya koyabilir.
• Genomik ve Biyoinformatik: Araştırmacılar, tek hücreli RNA dizileme verilerini görselleştirmek için t-SNE kullanırlar. Binlerce gen ifadesi değerini 2D bir grafiğe indirgeyerek, bilim insanları farklı hücre tiplerini tanımlayabilir ve gelişimsel yörüngeleri takip edebilir, bu da yeni biyolojik içgörülerin ve hastalık belirteçlerinin keşfedilmesine yardımcı olur.

PCA ile Karşılaştırma#

t-SNE'yi bir diğer yaygın indirgeme tekniği olan Temel Bileşen Analizi'nden (PCA) ayırmak önemlidir.

• PCA, verinin genel varyansını korumaya odaklanan doğrusal bir tekniktir. Belirlenimci ve hesaplama açısından verimlidir, bu da onu ilk veri sıkıştırma veya gürültü azaltma için mükemmel kılar.
• t-SNE, yerel komşulukları korumaya odaklanan doğrusal olmayan bir tekniktir. Olasılıksaldır (stokastik) ve hesaplama açısından daha ağırdır, ancak karmaşık ve doğrusal olmayan manifoldlar için çok daha iyi görselleştirmeler üretir.

Veri ön işlemede yaygın bir en iyi uygulama, önce verileri yönetilebilir bir boyuta (ör. 50 boyut) indirmek için PCA kullanmak ve ardından son görselleştirme için t-SNE uygulamaktır. Bu hibrit yaklaşım, hesaplama yükünü azaltır ve t-SNE sonucunu boizebilecek gürültüyü filtreler.

Python Örneği: Öznitelikleri Görselleştirme#

Aşağıdaki örnek, sentetik bir veri kümesine t-SNE uygulamak için scikit-learn öğesinin nasıl kullanılacağını göstermektedir. Bu iş akışı, derin öğrenme modelinden çıkarılan özelliklerin nasıl görselleştirilebileceğini yansıtır.

import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.manifold import TSNE

# Generate synthetic high-dimensional data (100 samples, 50 features, 3 centers)
X, y = make_blobs(n_samples=100, n_features=50, centers=3, random_state=42)

# Apply t-SNE to reduce dimensions from 50 to 2
# 'perplexity' balances local vs global aspects of the data
tsne = TSNE(n_components=2, perplexity=30, random_state=42)
X_embedded = tsne.fit_transform(X)

# Plot the result to visualize the 3 distinct clusters
plt.scatter(X_embedded[:, 0], X_embedded[:, 1], c=y)
plt.title("t-SNE Projection of High-Dimensional Data")
plt.show()

Temel Hususlar#

Güçlü olmasına rağmen t-SNE, dikkatli hiperparametre ayarı gerektirir. "Perplexity" parametresi çok önemlidir; özünde her noktanın kaç yakın komşusu olduğunu tahmin eder. Bu parametrenin çok düşük veya çok yüksek ayarlanması yanıltıcı görselleştirmelere neden olabilir. Dahası t-SNE, küresel mesafeleri iyi korumaz—yani grafikteki iki farklı küme arasındaki mesafe, orijinal uzaydaki fiziksel mesafelerini mutlaka yansıtmaz. Bu nüanslara rağmen bilgisayarlı görü (CV) mimarilerini doğrulamak ve karmaşık veri kümelerini anlamak için temel bir teknik olmaya devam etmektedir. Büyük ölçekli veri kümelerini yöneten kullanıcılar, bu tür derinlemesine analizler gerçekleştirmeden önce verilerini düzenlemek için genellikle Ultralytics Platform çözümünden yararlanır.