数据降维与可视化——t-SNE

数据降维与可视化——t-SNE

原文：https://blog.youkuaiyun.com/hustqb/article/details/78144384

声明：

1. manifold：可以称之为流形数据。像绳结一样的数据，虽然在高维空间中可分，但是在人眼所看到的低维空间中，绳结中的绳子是互相重叠的不可分的。
2. 参考sklearn官方文档
3. 对数据降维比较熟悉的朋友可以看这篇博客 
   t-SNE实践——sklearn教程

数据降维与可视化——t-SNE

  t-SNE是目前来说效果最好的数据降维与可视化方法，但是它的缺点也很明显，比如：占内存大，运行时间长。但是，当我们想要对高维数据进行分类，又不清楚这个数据集有没有很好的可分性（即同类之间间隔小，异类之间间隔大），可以通过t-SNE投影到2维或者3维的空间中观察一下。如果在低维空间中具有可分性，则数据是可分的；如果在高维空间中不具有可分性，可能是数据不可分，也可能仅仅是因为不能投影到低维空间。 
  下面会简单介绍t-SNE的原理，参数