可视化降维方法学习笔记

可视化降维方法学习笔记

写于博主在实验室无所事事摸鱼摸了一年之后。老板终于看不下去了,强硬地push博主想一个小课题开始做。博主痛定思痛,决定洗心革面,重新做人。

之前对各种可视化的方法一直只是了解一个大概。正好这周没有ddl,决定好好学习一下。

1. SNE, t-SNE, LargeVis

搜到bindog的这篇文章,讲解SNE,t-SNE和LargeVis。虽然公式的大小有些鬼畜,但是内容非常棒,讲解得既详细,又清楚,非常适合快速入门,感觉一晚上学到了很多。

简单来说,SNE方法里,高维空间里的点x,和其在低维空间里x的映射x’,在度量x和x’的相似程度的时候,我们用一个高斯分布来取代x,用一个高斯分布来取代x’。取代x的高斯分布描述了高维空间中其他所有点和点x之间的距离关系;同样的,取代x’的高斯分布描述的是低维空间里其他所有点和x’之间的距离关系。x和x’的相似程度被转化成两个高斯分布的相似程度,用KL散度就可以直接描述。

在t-SNE里面,比较重大的改进是用t-分布取代x’,解决了SNE中的crowding problem,使得在高维空间中距离较远的两个点在低维空间中的距离也比较远。其次是解决了不对称问题。

LargeVis是对t-SNE效率上的改进。一是采用了高效的方法来KNN图。二是采用了边采样。

此处顺便安利peghoty写的

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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