t-SNE
t-SNE projette des données de grande dimension vers 2-3 dimensions en préservant la structure de voisinage locale ; c'est le premier choix pour visualiser des données de grande dimension.
Objectif
Visualiser des données de grande dimension par une réduction de dimension non linéaire qui préserve la structure locale.
Mécanisme
Les similarités sont modélisées par des gaussiennes en grande dimension et par la loi de Student en basse dimension (les queues lourdes évitent l'entassement). Elle minimise la divergence KL. La complexité est O(n^2) ; les grands jeux de données utilisent l'approximation Barnes-Hut en O(n log n). À utiliser pour la visualisation uniquement, pas comme caractéristiques générales.
Cas d’usage
- Visualisation de données de grande dimension
- Apprentissage de variétés
- Exploration de données