Existem significados para as dimensões de uma incorporação t-sne? Como no PCA, temos esse senso de maximizações de variância linearmente transformadas, mas para t-sne há intuição além do espaço que definimos para mapeamento e minimização da distância KL?
18
Respostas:
As dimensões do espaço dimensional baixo não têm significado. Note-se que a função de perda de t-PND está exclusivamente com base nas distâncias entre pontos ( e y j ) e de probabilidade distribuições mais essas distâncias ( p i j e q i j ):yEu yj peu j qeu j
Portanto, não há projeção de todo o espaço de alta dimensão para o espaço de baixa dimensão, o t-SNE encontra apenas um mapeamento de um conjunto específico de pontos de alta dimensão para um conjunto específico de pontos de baixa dimensão. Como não há função de um espaço para o outro, também não há significado inerente dos eixos.
Coisas que você pode imaginar para ilustrar isso:
Dito isto, o t-SNE é principalmente uma técnica de visualização e sua eficácia de redução de dimensão para outros fins não é óbvia (provavelmente não é adequada para cluster, extração de recursos ou seleção de recursos).
Também: o papel .
fonte