主要应用于可视化,虽然降维效果好,但是时间太长。该算法知道即可。
t-SNE: t-分布领域嵌入算法,读作“Tee-Snee”,它只在用于已标记数据时才真正有意义,可以明确显示出输入的聚类状况。主要想法就是,将高维分布点的距离,用条件概率来表示相似性,同时低维分布的点也这样表示。只要二者的条件概率非常接近(用相对熵来训练,所以需要label),那就说明高维分布的点已经映射到低维分布上了。
Sklearn提供API
Sklearn.mainflod.TSNE
方法
主要应用于可视化,虽然降维效果好,但是时间太长。该算法知道即可。
t-SNE: t-分布领域嵌入算法,读作“Tee-Snee”,它只在用于已标记数据时才真正有意义,可以明确显示出输入的聚类状况。主要想法就是,将高维分布点的距离,用条件概率来表示相似性,同时低维分布的点也这样表示。只要二者的条件概率非常接近(用相对熵来训练,所以需要label),那就说明高维分布的点已经映射到低维分布上了。
Sklearn提供API
Sklearn.mainflod.TSNE
方法
相关文章: