NCVis：用于可扩展可视化的噪声对比方法
机器学习
2020-01-31 v1 机器学习
摘要
现代通过降维进行数据可视化的方法（如t-SNE）通常存在性能问题，阻碍其应用于大量高维数据。本文提出NCVis——一种基于噪声对比估计可靠统计基础的高性能降维方法。我们表明NCVis在速度上优于最先进技术，同时保留了其他方法的表示质量。特别地，所提方法在数分钟内成功处理超过100万条新闻标题的大型数据集，并以人类可读方式呈现底层结构。此外，在如手写数字图像等更直观的数据集上，其提供与t-SNE等经典方法一致的结果。我们相信此类软件的更广泛应用可显著简化大规模数据分析并降低该领域入门门槛。
引用
@article{arxiv.2001.11411,
title = {NCVis: Noise Contrastive Approach for Scalable Visualization},
author = {Aleksandr Artemenkov and Maxim Panov},
journal= {arXiv preprint arXiv:2001.11411},
year = {2020}
}