Er zijn zoveel interessante technieken in het data science vakgebied, het is moeilijk om dat allemaal bij te houden. Werd laatst getriggered door UMAP (Uniform Manifold Approximation and Projection) voor dimensie reductie.
Als ik het artikel (https://lnkd.in/eGPxspP) doorlees krijg ik nostalgische herinneringen aan mijn Analyse I, II en III vakken aan de VU over o.a. Riemann manifolds!
Een friovole/ludieke vingeroefening met HEMA data om eens te spelen met UMAP. De stappen zijn simpel:
- Scrape wat Hema product plaatjes van de site.
- Haal deze plaatjes door een pre-trained deeplearning netwerk waar de top layer vanaf is gehaald.
- Elk plaatje is nu omgezet in een hoog dimensionele feature vector.
- Pas UMAP toe om de dimensie naar drie te reduceren.
- Zet in een interactieve Shiny app….. see here
Longhow Lam's Blog 