潛空間 (機器學習)

潛空間（Latent Space）也被稱為潛特徵空間或嵌入空間，是一組元素在流形內的嵌入，相似的元素在潛空間內的距離較小。潛空間中的位置由一組潛變量定義，這些潛變量產生於元素間的相似性。

大多數情況下，潛空間的維度都要設定得低於數據點特徵空間的維度，意味著潛空間的構建實際上是降維，也可看作是數據壓縮的一種形式。^[1]潛空間通常通過機器學習進行擬合，然後可被用作機器學習模型的特徵空間，包括分類器等監督預測器。

對機器學習模型潛空間的解釋是一個活躍的研究領域，但很難實現。由於機器學習模型的黑箱性質，潛空間可能是完全不直觀的。此外，潛空間往往是高維、複雜、非線性的，進一步增加了解釋的難度。^[2]一些可視化技術用於將潛空間展現出來，但潛空間的解釋和模型本身往往沒有直接聯繫。這類技術包括t分布隨機鄰域嵌入（t-SNE），其中潛空間被映射到二維以實現可視化。潛空間中的距離難以用物理單位表達，所以對距離的解釋取決於具體應用。^[3]