PixelSNE：利用像素对齐随机邻域嵌入以足够精度实现快速可视化
机器学习
2017-03-06 v3
摘要
在二维空间中嵌入和可视化大规模高维数据是一个重要问题，因为此类可视化能够揭示复杂数据中的深刻见解。然而，大多数现有的嵌入方法以过高的精度运行，忽略了最终嵌入输出会被转换为屏幕空间中的粗粒度离散像素坐标这一事实。受此观察启发，并在嵌入优化过程中直接考虑像素坐标，我们加速了基于 Barnes-Hut 树的 t 分布随机邻域嵌入（BH-SNE）——一种最先进的二维嵌入方法，并提出了一种称为 PixelSNE 的新方法，这是一种高效的、屏幕分辨率驱动的二维嵌入方法，就数据项数量而言具有线性计算复杂度。我们的实验结果表明，与 BH-SNE 相比，PixelSNE 的运行时间大幅加快，同时保持了嵌入质量的最小退化。最后，我们方法的源代码公开于 https://github.com/awesome-davian/PixelSNE
引用
@article{arxiv.1611.02568,
title = {PixelSNE: Visualizing Fast with Just Enough Precision via Pixel-Aligned Stochastic Neighbor Embedding},
author = {Minjeong Kim and Minsuk Choi and Sunwoong Lee and Jian Tang and Haesun Park and Jaegul Choo},
journal= {arXiv preprint arXiv:1611.02568},
year = {2017}
}