T-SNE的详细介绍

本文翻译原链接：https://towardsdatascience.com/t-sne-clearly-explained-d84c537f53a

什么是t-SNE?

        t-sne被称为非线性降维，这意味着允许我们分离任何不能用直线分离的数据。主要用于理解高维数据并将其投影到低维空间（2D或3D），使得它在处理CNN网络时非常有用。

它如何工作？

概率分布

以这张图为例子：

 从坐标图可以看出它有三类，你可以很容易的区分出（根据坐标）。算法的第一部分是创建概率分布代表“相似度”，什么是相似度? 论文是是这样说的：“ similarity of datapoint xⱼ to datapoint xᵢ is the conditional probability p_{j|i}, that xᵢ would pick xⱼ as its neighbor “

 我们从图中选择一个点，我们必须再选择下一个点计算欧氏距离|Xi-Xj|,论文的下一部分是计算高斯分布。如图所示：

 对其他所有点做类似操作

未完待续。。。