t-SNE方法:

2023-12-05 19:12
文章标签 方法 sne

本文主要是介绍t-SNE方法:,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用t-SNE时,除了指定你想要降维的维度(参数n_components),另一个重要的参数是困惑度(Perplexity,参数perplexity)

困惑度:

困惑度大致表示如何在局部或者全局位面上平衡关注点,再说的具体一点就是关于对每个点周围邻居数量猜测。困惑度对最终成图有着复杂的影响。

  1. 低困惑度对应的是局部视角,要把自己想象成一只蚂蚁,在数据所在的流形上一个点一个点地探索。
  2. 高困惑度对应的是全局视角,要把自己想象成上帝。

参考:t-SNE:最好的降维方法之一 - 知乎 (zhihu.com)

具体介绍:

t-SNE(t-分布随机邻域嵌入,T-distributed Stochastic Neighbor Embedding)是一种流行的机器学习算法,主要用于降维。该算法特别适用于将高维数据映射到低维空间,如2维或3维,以便于可视化和分析。可以从具有数百甚至数千个维度的数据中创建引人注目的两维“地图”

t-SNE(t-DistributedStochastic Neighbor Embedding,T 分布随机近邻嵌入)是一种可以把高维数据降到二维或三维的降维技术。


t-SNE通过在低维空间中模拟高维数据分布,尽可能保留原始数据集中的局部结构。它是一种非线性降维技术,其核心思想是保持相似的数据点在嵌入后的空间中仍然彼此靠近,同时在高维空间中相隔较远的点在嵌入后也保持距离。

目标:

在高维空间中获取一组点,并在低维空间(通常是 2D 平面)中找到这些点的忠实表示。该算法是非线性的,可适应底层数据,在不同区域执行不同的变换。这些差异可能是造成混淆的主要根源。

t-SNE的第二个特点是一个可调的参数,即“困惑性”,它(松散地)表示如何平衡数据的局部和全局方面之间的注意力。从某种意义上说,该参数是对每个点具有的近邻数量的猜测。困惑度值对生成的图片具有复杂的影响。原始论文说,“SNE的性能对困惑度的变化相当鲁棒,典型值在5到50之间。但故事比这更微妙。从t-SNE中获得最大收益可能意味着分析具有不同困惑度的多个图。


算法的主要步骤包括:

  1. 数据初始化:为数据集中的每个点分配一个随机的低维表示
  2. 相似度计算:计算高维空间中所有点对之间的相似度,通常使用高斯分布来表示这种相似性。
  3. 距离矩阵构建:根据相似度构建一个距离矩阵,这个矩阵描述了数据点在低维空间中的相对位置。
  4. 概率分布学习:使用距离矩阵,通过极大似然估计学习一个用于生成低维表示的概率模型。
  5. 优化:使用梯度下降法优化概率模型,迭代地更新低维表示,直到收敛。
  6. 结果评估:使用一个称为“困惑度”的指标来评估最终嵌入的质量。

t-SNE在处理复杂数据集时表现出色,尤其是在数据可视化和发现数据的内在结构方面。但是,它也有一些局限性,比如计算复杂度高,对超参数(如困惑度)的选择敏感,以及在大数据集上可能需要大量的计算资源。


在R语言中,可以使用tsne包来进行t-SNE的计算和可视化。在Python中,sklearn.manifold库提供了t-SNE的实现,可以方便地对高维数据进行降维和可视化。


需要注意的是,t-SNE并不是唯一的选择。对于那些需要更快速处理且对内存要求较低的大数据集,可以选择UMAP(Uniform Manifold Approximation and Projection)作为替代方法,它也是一种非线性降维技术,特别适合于大规模数据集的降维和可视化。

与PCA方法的不同点:

参考:解读文献里的那些图——t-SNE散点图 - 知乎 (zhihu.com)

如果用 PCA 降维进行可视化,会出现所谓的“拥挤现象”。

相比于PCA,t-SNE更加注重保留原始数据的局部特征,这意味着高维数据空间中距离相近的点投影到低维中仍然相近,通过t-SNE处理同样能生成漂亮的可视化。

参数:

相关参考链接:

【1】如何有效使用t-SNE (distill.pub)

【2】t-SNE高维数据可视化(python)_t-sne可视化python-CSDN博客

【3】从SNE到t-SNE再到LargeVis (bindog.github.io)

【4】论文笔记:Visualizing data using t-SNE | 胡东瑶的小屋 (psubnwell.github.io)

【5】t-SNE:最好的降维方法之一 - 知乎 (zhihu.com)

【6】GitHub 上 - tensorflow/tfjs-tsne

这篇关于t-SNE方法:的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/458786

相关文章

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

Spring 中的循环引用问题解决方法

《Spring中的循环引用问题解决方法》:本文主要介绍Spring中的循环引用问题解决方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录什么是循环引用?循环依赖三级缓存解决循环依赖二级缓存三级缓存本章来聊聊Spring 中的循环引用问题该如何解决。这里聊

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

Windows 上如果忘记了 MySQL 密码 重置密码的两种方法

《Windows上如果忘记了MySQL密码重置密码的两种方法》:本文主要介绍Windows上如果忘记了MySQL密码重置密码的两种方法,本文通过两种方法结合实例代码给大家介绍的非常详细,感... 目录方法 1:以跳过权限验证模式启动 mysql 并重置密码方法 2:使用 my.ini 文件的临时配置在 Wi

MySQL重复数据处理的七种高效方法

《MySQL重复数据处理的七种高效方法》你是不是也曾遇到过这样的烦恼:明明系统测试时一切正常,上线后却频频出现重复数据,大批量导数据时,总有那么几条不听话的记录导致整个事务莫名回滚,今天,我就跟大家分... 目录1. 重复数据插入问题分析1.1 问题本质1.2 常见场景图2. 基础解决方案:使用异常捕获3.

最详细安装 PostgreSQL方法及常见问题解决

《最详细安装PostgreSQL方法及常见问题解决》:本文主要介绍最详细安装PostgreSQL方法及常见问题解决,介绍了在Windows系统上安装PostgreSQL及Linux系统上安装Po... 目录一、在 Windows 系统上安装 PostgreSQL1. 下载 PostgreSQL 安装包2.

SQL中redo log 刷⼊磁盘的常见方法

《SQL中redolog刷⼊磁盘的常见方法》本文主要介绍了SQL中redolog刷⼊磁盘的常见方法,将redolog刷入磁盘的方法确保了数据的持久性和一致性,下面就来具体介绍一下,感兴趣的可以了解... 目录Redo Log 刷入磁盘的方法Redo Log 刷入磁盘的过程代码示例(伪代码)在数据库系统中,r

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Java中Switch Case多个条件处理方法举例

《Java中SwitchCase多个条件处理方法举例》Java中switch语句用于根据变量值执行不同代码块,适用于多个条件的处理,:本文主要介绍Java中SwitchCase多个条件处理的相... 目录前言基本语法处理多个条件示例1:合并相同代码的多个case示例2:通过字符串合并多个case进阶用法使用