matlab利用t-SNE实现高维数据可视化（tsne函数用法实例）

tsne用法

tsne - t-Distributed Stochastic Neighbor Embedding

This MATLAB function returns a matrix of two-dimensional embeddings of the high-dimensional rows of X.
该函数作用就是将高维数据以二维坐标形式进行可视化。

---

一、语法

1. Y = tsne(X)
2. Y = tsne(X,Name,Value)

两种使用方法，一般使用选择第一种即可。

二、使用步骤

步骤1：数据矩阵X为1024x320，列向量表示1024维数据样本，共320个样本点
步骤2：Y = tsne(X);

load YaleB.mat
X = fea(:,1:320);              % 320个样本数据，以1024维列向量表示，组成1024x320数据矩阵X
X = matrixNormalize(X);        % 数据标准化
label = gnd(1:320);            % 数据标签1-5，样本共5类
X = X';						   % 由于tsne标准输入数据以行向量表示，因此先转置
Y = tsne(X);                  % 得到的矩阵为Nx2，N为N个样本，Y矩阵为320x2
gscatter(Y(:,1), Y(:,2),label);% 若无label输入，则画出的图没有色彩区分

三、Y = tsne(X,Name,Value)用法

1. Y = tsne(X,‘Algorithm’,‘exact’);
2. Y = tsne(X,‘Algorithm’,‘exact’,‘Distance’,‘euclidean’);

’Algorithm’ — tsne 进行数据投影时所用算法，两种选择’barneshut’， ‘exact’。

1. 默认算法使用’barneshut’，特点是当数据样本量很大时，近似最优，运算速度快，占用内存少。
2. 'exact’算法优化了原始空间和嵌入空间之间的分布的Kullback-Leibler散度，特点精度高。

’Distance’ — 距离计算方法，多种选择’euclidean’ (default) | ‘seuclidean’ | ‘cityblock’ | ‘chebychev’ | ‘minkowski’ | ‘mahalanobis’ | ‘cosine’ | ‘correlation’ | ‘spearman’ | ‘hamming’ | ‘jaccard’ | function handle

默认基于欧几里得距离，根据实际数据效果选取，哪种效果图好用哪个。常见的有 cosine, Chebychev与 Euclidean，三种距离方式效果图分别为：

更多说明参考MathWork官方https://www.mathworks.com/help/releases/R2019a/stats/tsne.html?container=jshelpbrowser#bvh3rti-4