Largevis是国内某博士在TSNE基础上加工得到的一种新型算法,其改进处在于用一种半并行的树搜索算法+低维空间中基于核距离的概率分布,并采用了大量的百万级以上数据作为例子,画出了非常炫酷的散点图,我只能说他的计算机太厉害了,SNE系列的算法一直都有一个最大的毛病,就是计算成本大,消耗内存,每次迭代都需要所有样本参与进行。
在计算高维分布之前,邻域图的重建采用以下算法,就是多个点同时进行遍历更新,总体上没什么特别出彩的地方:
计算高位空间中的条件概率分布传承了TSNE的做法:
Largevis是国内某博士在TSNE基础上加工得到的一种新型算法,其改进处在于用一种半并行的树搜索算法+低维空间中基于核距离的概率分布,并采用了大量的百万级以上数据作为例子,画出了非常炫酷的散点图,我只能说他的计算机太厉害了,SNE系列的算法一直都有一个最大的毛病,就是计算成本大,消耗内存,每次迭代都需要所有样本参与进行。
在计算高维分布之前,邻域图的重建采用以下算法,就是多个点同时进行遍历更新,总体上没什么特别出彩的地方:
计算高位空间中的条件概率分布传承了TSNE的做法: