首发于 误入深度学习
切换模式
笔记 | 什么是TSNE
恒仔
误入深度学习
TSNE是由T和SNE组成，也就是T分布和随机近邻嵌入（Stochastic neighbour Embedding ）。学金融、学管理和学小语种的朋友都开始学Python做数据分析了，但很多时间大家只是想知道某个东西是什么、怎么用，今天有小伙伴问我什么是TSNE，我就简单讲讲这是什么。
提示：本文为初学笔记，仅为提供相关的讨论，谢谢。
简单来说，TSNE就是一种数据可视化的工具，能够将高维数据降到2-3维（降维），然后画成图。现在也有蛮多可以直接使用的套件，如sklearn.manifold（具体可看： Sklearn TSNE官网）。
大概啥原理呢？我来根据一个教程视频来讲讲，视频我放在文章的最后啦。
假设你有一个二维空间的数据，想要转换到一维空间，图示如下：
你可能会说，那我直接将数据映射到y坐标不就行啦，直接映射的话，就成了一下的样子：
我们知道自然条件下，数据一般都会服从某种分布，那能不能将数据根据某种规则来映射到这个分布上呢？来看下图：
上图是说，我先选出某个点，然后计算这个点到所有点的距离，因为同一类的距离小嘛，所以映射到对应的分布上就成了以下的样子啦。
而TSNE所对应的分布就是t分布，bingo，以上就是大致的原理啦。
当然，以上的讨论就是最基本和简单的，也没法涵盖所有的内容，如果想要更深入了解，可以看看这篇文章： t-SNE完整笔记。
相关的视频我也放上来啦，作者语速非常适合练习听力。
什么是TSNEhttps://www.zhihu.com/video/1044271142529409024参考资料：
[1] 详解可视化利器 t-SNE 算法：数无形时少直觉
[2] TSNE--目前最好的降维方法 - bonelee - 博客园
[3] 理解TSNE算法
[4] 数据降维与可视化--t-SNE - hustqb的博客 - CSDN博客
发布于 2018-11-09 17:21
sklearn
机器学习
数据挖掘
文章被以下专栏收录
