FUnc-SNE：一种灵活、快速且无约束的邻域嵌入算法

邻域嵌入 (NE) 允许将高维数据集表示到低维空间中，并常用于数据可视化。在实践中，常采用加速近似来处理超大型数据集。加速 NE 具有挑战性，目前主要探索了两个方向：基于负采样的非常粗略的近似（如 UMAP 中所用）实现了高有效速度，但可能在提取的结构质量上有所欠缺；而较不粗略的近似（如 FIt-SNE 或 BH-t-SNE 中所用）以速度为代价提供了更好的结构保持，但同时也将目标维度限制在 2 或 3，从而将 NE 限制在可视化领域。在某些变体中，这些计算成本更高的加速方法的精度还允许通过专用超参数对提取的结构进行更细粒度的控制。本文提出通过引入一种加速 NE 的新方法来弥合这两种方法之间的差距，该方法每次迭代所需的计算量少，同时通过超参数调整保持了良好的细粒度结构保持能力和灵活性，并且不限制嵌入空间的维度。该方法专为数据的交互式探索而设计；因此，它摒弃了其他 NE 方法的传统两阶段方法，允许在更改超参数时提供即时的视觉反馈，即使这些超参数控制着计算中高维侧发生的过程。使用该方法的公开可用、GPU 加速的图形用户界面集成进行的实验在速度、提取结构的灵活性方面显示出有前景的结果，并展示了在只需极少算法修改的更广泛机器学习环境中的潜在用途。该算法的核心是一种新颖的迭代近似最近邻搜索方法，与最近邻下降法相比，该方法显示出有前景的结果。