t-SNE 原理分析

SNE

原理分析

核心：将欧几里得距离转换为条件概率来表达点与点之间的相似度。

假设我们n个高维有数据$x_1,x_2...x_n$，我们需要将其降至低维，需要保证的是讲相似的点尽量聚在一起，不相似的点尽量分离。
首先我们计算$x_i$和$x_j$之间的相似度$p_{ij}$:
$$p_{ij}=\frac{exp(-||x_i-x_j|{|}^2/(2{\sigma }_i^2))}{{\sum }_{k̸=i}exp(-||x_i-x_k|{|}^2)/(2{\sigma }_i^2)}$$
${\sigma }_i表示以数据点x_i为均值的高斯方差$
当降至低维时，得到$x_i和x_j$的相似度为：
q