t-SNE
t-SNE bildet hochdimensionale Daten auf 2-3 Dimensionen ab und bewahrt dabei die lokale Nachbarschaftsstruktur; es ist die erste Wahl zur Visualisierung hochdimensionaler Daten.
Zweck
Hochdimensionale Daten durch nichtlineare Dimensionsreduktion visualisieren, die die lokale Struktur bewahrt.
Mechanismus
Ähnlichkeiten werden in hoher Dimension mit Gauß-Verteilungen und in niedriger Dimension mit der t-Verteilung modelliert (schwere Ränder vermeiden Drängen). Es minimiert die KL-Divergenz. Die Komplexität ist O(n^2); große Datensätze nutzen die Barnes-Hut-Approximation mit O(n log n). Nur zur Visualisierung verwenden, nicht als allgemeine Merkmale.
Anwendungsfälle
- Visualisierung hochdimensionaler Daten
- Mannigfaltigkeitslernen
- Datenexploration