【零散知识】t-SNE聚类

本文介绍了t-SNE聚类,一种用于数据降维和可视化的技术。t-SNE通过保持高维和低维空间中数据点的相似度,确保降维过程中的距离关系一致性。它利用t分布对未知低维数据进行建模,并通过梯度下降进行优化。尽管困惑度在文献中被提及,但在实际优化中并未使用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言:

{

    神经网络实践部分还是卡在硬件上,之前试了一下华为云里的深度学习服务[1],感觉这只是为训练加速用的,远程调试还是不容易,最好还是在本机上进行。所以我先买了新的内存条,调试还是在本地进行。

    这次更新的还是零散知识,涉及到之前在工作的时候见到的t-SNE聚类(t-distributed stochastic neighbor embedding)。

}

 

正文:

{

    t-SNE聚类本质上是一种降维和可视化技术[2]。首先讨论SNE,定义原始维度数据和对应低维数据各自的相似度量,见式1和式2[3]。

式1

   

式2

    其中xi和xj是两个原始维度数据,yi和yj是对应的低维数据。可以看到式1和式2的值都和相似度成反比,而SNE就是要最小化两者的差异。

    因此可以看出,SNE在对数据进行降维的时候尽量使得两种数据中的距离关系尽量一致。

    现在说t-SNE。t-SNE

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值