可视化利器 t-SNE（matlab）——用于高维数据的自动降维和绘图

• t-SNE – Laurens van der Maaten（感谢学术男神们的无私开源）
• User_guide.pdf（用户指南）

1. tsne 函数

mappedX = tsne(X, labels, no_dims, init_dims, perplexity)

• 最新的matlab（实测的是2017b） 已经集成了 tsne

• tsne 是无监督降维技术，labels 选项可选；
• X是由N 个样本组成的二维矩阵，每个样本由 D 维数据构成（N行D列）；
• no_dims 的默认值为 2；（压缩后的维度） 
  • tsne 函数实现，X∈RN×D⇒RN×no_dimesX∈RN×D⇒RN×no_dimes（mappedX）
• init_dims：注意，在运行 tsne 函数之前，会自动使用 PCA 对数据预处理，将原始样本集的维度降低至 init_dims 维度（默认为 30）。因此用户可以自行设置一下init-dims的数量。或者提前使用matlab中的PCA检测一下哪个维度能够保持你的样本数据的正确率。
• perplexity：高斯分布的perplexity，默认