La palabra “latente” significa “oculto”. Se usa más o menos de esa manera en el aprendizaje automático: observa algunos datos que están en el espacio que puede observar y desea asignarlos a un espacio latente donde los puntos de datos similares están más juntos.
Por ejemplo, considere estas 4 imágenes:
- ¿Se puede utilizar el análisis semántico latente para la clasificación de documentos?
- ¿Qué nuevas empresas están buscando actualmente científicos de datos?
- ¿Qué compañías con sede en Dallas están desarrollando y / o invirtiendo en tecnologías de Inteligencia Artificial / Aprendizaje Automático?
- ¿Por qué la minería de datos con aprendizaje automático no implica pruebas de hipótesis estadísticas?
- ¿Por qué nadie recomienda JavaScript / Node.js como lenguaje para el aprendizaje automático o el análisis de datos?
En el espacio de píxeles que observa, no hay similitud inmediata entre dos imágenes. Sin embargo, si tuviera que asignarlo a un espacio latente, desearía que las imágenes de la izquierda estuvieran más cerca entre sí en el espacio latente que con cualquiera de las imágenes de la derecha. Por lo tanto, su espacio latente captura la estructura de sus datos en su tarea.
En LDA, modela la tarea de manera que los documentos que pertenecen a temas similares estén más cerca en el espacio latente de los temas.
En las incorporaciones de palabras, desea asignar palabras a un espacio vectorial latente de modo que las palabras con un significado similar estén más cerca en ese espacio.