当前位置：首页 > news >正文

【机器学习】（31）—— 如何得到 Embedding

news 2026/8/4 2:43:44

如何得到 Embedding：降维、联合训练与上下文

文章目录

如何得到 Embedding：降维、联合训练与上下文
- 1. 向量从哪来
- 2. 降维：把高维结构压矮
- 3. 联合训练：Embedding 作为网络一层
- - 3.1 和 One-Hot 的关系
  - 3.2 汽车例子里怎么监督
  - 3.3 代价与训练时注意点
- 4. 静态词嵌入与分布假说
- 5. 上下文嵌入：同一词可以有多个向量
- 6. 汽车场景怎么选
- 7. 常见误区
- 8. 术语表
- 9. 延伸阅读
- 10. 小结

摘要：第 29、30 篇说明了为什么要用 Embedding，以及嵌入空间里距离代表什么。接下来的问题是：这些向量从哪来。本文介绍三条常见路径——用 PCA 一类方法做降维、把 Embedding 当作网络一层与任务联合训练、以及先学静态词向量再（在需要时）升级到上下文嵌入——并说明汽车品牌这类表格特征更常走哪一条。

1. 向量从哪来

Embedding 不是凭空出现的表。常见来源可以粗分成三类：

路径	大致做法	特点
降维	对高维稀疏表示做 PCA 等	不直接优化下游损失
联合训练	Embedding 层跟预测网络一起训	贴合当前任务，表格场景常用
预训练再接入	先在语料 / 共现上学会向量，再接到任务	适合文本等；可冻结或微调

第 29 篇的「品牌查表」在实现上多半属于联合训练：表参数由油耗等损失回传更新。降维与预训练是另外两种获得低维坐标的方式，有时会混用（例如先 PCA 初始化，再继续训）。

2. 降维：把高维结构压矮

高维空间里若存在可合并的相关方向，可以用数学方法压到较低维，得到每个样本或每个类别的短坐标。**主成分分析（PCA）**是经典例子：在词袋、One-Hot 等表示上，寻找方差较大的方向，把相关维合并。

理论上，凡是能保留高维主要结构的降维，都可以当作一种「嵌入」供后续模型使用。实务上要注意：

PCA 优化的是重构 / 方差一类目标，不一定等于油耗预测损失
类别 ID 若只做一次全表 PCA 再切分，仍有泄漏风险；变换应在训练集上fit
词表极大时，先物化稠密 One-Hot 再 PCA，内存本身可能先爆掉

因此，汽车品牌预测里更常见的是直接用可学习的 Embedding 层，而不是先对品牌 One-Hot 做 PCA。降维更适合「已经有高维数值或词袋、需要压缩」的情形，或作为对照基线。

3. 联合训练：Embedding 作为网络一层

把嵌入维数设为d dd，在网络里放一层（查表或等价线性变换），与后面的隐藏层、输出层一起，用任务损失做反向传播。这是表格高基数特征最常用的做法。

3.1 和 One-Hot 的关系

输入可以是整数下标（框架Embedding层），概念上等价于：先变成 One-Hot，再乘一张V × d V\times dV×d的矩阵得到d dd维向量。训练时更新的就是这张矩阵（嵌入表）。

示意数值仅帮助理解，真实训练后的分量不会按「甜度」命名。第 30 篇已强调：轴通常不可解释，但相似样本会在损失驱动下逐渐靠近。

3.2 汽车例子里怎么监督

目标可以是：预测油耗数值，或「是否高效」。品牌走 Embedding，重量、马力等走标准化后与嵌入拼接，再接 MLP 或线性层。损失从输出回传到嵌入表。

也可以构造「根据若干已选品牌，预测另一个相关品牌 / 车型」这类辅助任务（推荐里常见），用 Softmax 等损失；入门阶段用主任务标签联合训练即可，不必一上来叠很多辅助目标。

3.3 代价与训练时注意点

联合训练得到的嵌入通常更贴合当前任务，但：

需要足够标签与训练时间
换任务后空间可能不再合适，往往要继续训或重学
d dd、正则、早停仍要按第 21、28、29 篇的习惯用验证集选

嵌入表参数量为V × d V\times dV×d。V VV很大且d dd也开得很大时，过拟合与显存压力都会上来。可以先从较小的d dd（如 8～32）试起，确认验证集有收益再加。低频品牌可并入UNK，避免大量几乎只出现一次的行占满表容量。

若从随机初始化开始，前几轮近邻可能看起来很乱，这不反常；应主要看验证损失是否下降，而不是过早用二维投影下结论。

4. 静态词嵌入与分布假说

文本上有一条常用假设：出现在相似上下文中的词，语义上也更接近（分布假说）。word2vec 等算法据此在大规模语料上为每个词学一个固定向量，即第 30 篇说的静态嵌入。

得到静态向量之后，可以：

直接当特征接到逻辑回归 / MLP
作为 Embedding 表的初始化，再在下游任务上微调
做检索、近邻分析

对汽车业务：若只有结构化品牌 ID、没有长文本，静态词向量用不上品牌字段本身；若车评、配置说明是文本，可以为词或短语接入预训练向量。品牌 ID 字段仍优先联合训练的离散 Embedding。

静态向量的质量强烈依赖语料领域。通用网页语料上的「发动机」「涡轮」邻居，未必等于某一车企内部工单语料上的邻居。领域差距大时，把静态向量当初始化再微调，通常比完全冻结更稳妥。

5. 上下文嵌入：同一词可以有多个向量

静态嵌入的限制是一词一点。「行」在「银行」与「行走」里含义不同，「orange」可以是颜色或水果，单点无法同时兼顾。

**上下文嵌入（contextual embedding）**让同一词在不同句子中可以对应不同向量，向量由该词及其周围词共同决定。

获取方式（了解级别即可）：

方向	大意
ELMo 一类	在静态向量基础上，用双向语言模型状态融合上下文
掩码语言模型（如 BERT 方向）	根据两侧上下文预测被遮住的词，得到随句而变的表示
Transformer	自注意力按上下文加权；常再叠加位置信息，形成该序列特有的输入表示

图像里也可以谈「上下文」：像素颜色的静态编码，若再结合位置与邻域，信息往往更完整。专栏当前主线仍是表格与浅层网络；上下文嵌入在文本、序列任务里更关键，这里只标出与静态嵌入的差别，避免一上来陷入大模型细节。

对离散品牌 ID：多数情况下一品牌一向量足够。若「同一字符串在不同地区 / 渠道含义不同」，才需要更细的 ID 设计或上下文式建模。

6. 汽车场景怎么选

情况	更稳妥的起点
品牌 / 车型水平很少	One-Hot（第 17 篇）往往够用
水平很多，且有油耗等标签	Embedding 层与模型联合训练
只有共现、弱标签	可参考上下文 / 预训练思路，或先做辅助预测任务
输入是自由文本且多义明显	再考虑上下文嵌入或预训练语言模型
已有高维词袋要压缩	可试 PCA 等降维作基线，再与联合训练对比

无论哪条路，词表与变换仍应在训练集上确定；验证、测试只做查表或transform。第 18、19、29 篇的防泄漏要求不因换了 Embedding 来源而取消。

比较两条路径时，尽量控制其他变量：同一划分、同一数值特征处理、同一输出头与指标，只改「品牌用 One-Hot / PCA 压缩 / 可学习 Embedding」中的一项，再看验证集差异。这样结论更干净，也避免把学习率或宽度造成的波动误当成 Embedding 的功劳。

概念代码（联合训练路径）：

# brand_id: (batch,) 整数下标emb=embedding(brand_id)# (batch, d)x=concat([emb,numeric_features],-1)y_hat=mlp(x)loss=mse(y_hat,y)# 或交叉熵等# loss.backward() 会更新 embedding 与 mlp

7. 常见误区

情况	说明
有了 PCA 就认为一定优于可学习 Embedding	目标不同；应用验证集比较
联合训练却用全表统计建词表	仍是泄漏
把预训练静态向量当永久正确答案	换领域、换任务可能失效，常需微调
表格品牌 ID 强行上大型上下文模型	成本高，收益未必有；先试普通 Embedding
静态与上下文分不清	静态一词一点；上下文随句子变
只初始化嵌入、后面层乱设却怪 Embedding	输出头、划分、指标仍要单独检查

8. 术语表

术语	含义
PCA	主成分分析，一种线性降维方法
联合训练	Embedding 与下游网络共用任务损失更新
嵌入层	将 ID / One-Hot 映到d dd维的网络层
分布假说	上下文相似的词语义也更接近
静态嵌入	每个词 / ID 全局一个向量
上下文嵌入	同一词随上下文可对应不同向量
微调	在预训练向量或模型上继续用下游数据训练

9. 延伸阅读

资源	适合看什么
专栏第 29 篇	为何需要 Embedding
专栏第 30 篇	空间、距离与静态嵌入
sklearn PCA	降维基线
PyTorch Embedding	联合训练查表层
gensim Word2Vec	静态词向量

10. 小结

得到 Embedding 不必只有一种办法：降维能从高维表示压出短坐标；联合训练让嵌入直接服务油耗等任务；静态词向量提供可迁移的语义起点，上下文嵌入则缓解一词多义。汽车表格里高基数品牌，优先考虑「Embedding 层 + 数值特征 + 任务损失」；水平很少时 One-Hot 仍然有效。三条路径可以并存作对照，最终仍以验证集上的业务指标决定采用哪一种。

下一篇会对 Embedding 相关几篇做一次串讲，把动机、空间、获取方式等整理一下，并预告后面的主题。

系列导航：