用途
t-SNE 是一种数据可视化技术，目标是把高维数据映射到二维或三维空间中，为每个数据点给出一个位置，从而在低维地图上呈现高维数据的内在结构。它被用于观察数据点之间的邻近关系与聚集模式。
主要能力
根据论文描述，t-SNE 具有以下特点：
- 是随机邻域嵌入（Stochastic Neighbor Embedding，Hinton and Roweis, 2002）的一种变体，相比原方法更易于优化。
- 通过减少数据点在可视化地图中心聚集的倾向，产生显著更好的可视化效果。
- 相比已有技术，更擅长创建单一地图来揭示多个不同尺度上的结构。
- 论文指出，这一特点对于分布在多个不同但相关的低维流形上的高维数据尤其重要，例如从多个视角观察到的多类别物体图像。
- 对于非常大的数据集，t-SNE 可以使用邻域图上的随机游走，使全部数据的隐含结构影响某个子集的显示方式。
使用方式
论文呈现的是 t-SNE 这一技术本身及其原理与实验比较。关于具体的安装方式、代码调用接口或使用步骤，所提供资料中暂未提供。
适用场景
论文所讨论的适用场景包括：
- 高维数据的可视化。
- 位于多个不同但相关的低维流形上的高维数据，例如从多个视角看到的多类别物体图像。
- 非常大的数据集的结构可视化（借助邻域图上的随机游走，使全体数据的隐含结构影响子集的显示）。
限制与对比
论文将 t-SNE 与多种非参数可视化技术进行了比较，包括 Sammon mapping、Isomap 和 Locally Linear Embedding。论文称，在几乎所有测试数据集上，t-SNE 生成的可视化效果都显著优于这些其他技术。
发表信息
- 作者：Laurens van der Maaten, Geoffrey Hinton
- 期刊卷期页码：9(86):2579−2605, 2008
- 论文页面：https://jmlr.org/papers/v9/vandermaaten08a.html
关于收费、价格、平台支持、运行环境等信息，所提供资料中暂未提供。
