連續性是函數與微積分的基礎,iPAS 中級科目三的數學底子。重點:函數在某點連續代表沒有斷裂;可微一定連續、連續未必可微。易混點:梯度下降等最佳化需要函數可微才能算梯度;ReLU 在 0 點連續但不可微(用次梯度處理)。情境:理解模型訓練為何需要可微的損失與激活函數。
想練情境題與詳解 → AI 學習與考證地圖
降維品質指標；衡量原始空間的近鄰在降維後是否仍保持靠近，懲罰把原本相近的點在低維中拆散的情況。
可信度看低維新出現的近鄰是否在原空間也相近(防假鄰居)；連續性看原空間的近鄰是否被保留(防真鄰居走散)，兩者互補。
t-SNE、UMAP 等只看圖好看不夠；這類指標客觀量化鄰里結構保留得好不好，避免誤讀視覺化。
通常介於 0 到 1，越接近 1 代表鄰里結構保留越好；會隨設定的鄰居數 k 改變，需固定 k 比較。
對不同降維方法或參數(如 perplexity、n_neighbors)算連續性與可信度，選兩者都高的設定。