SQuadMDS：一种精简的随机四元组MDS，改善类t-SNE与UMAP邻域嵌入的全局结构保持
机器学习
2022-02-25 v1
摘要
多维标度是一种旨在将高维数据嵌入低维空间的统计过程；该过程常用于数据可视化。常见的多维标度算法往往具有较高的计算复杂度，使其不适用于大型数据集。本工作引入一种随机的、力导向的多维标度方法，其时间与空间复杂度为O(N)，其中N为数据点数。该方法可与t-SNE等邻域嵌入家族的力导向布局结合，产生同时保持数据全局与局部结构的嵌入。实验从定量与定性两方面评估了独立版本及其混合扩展所产生嵌入的质量，显示出具有竞争力的结果，优于最先进的方法。代码见 https://github.com/PierreLambert3/SQuaD-MDS-and-FItSNE-hybrid。
引用
@article{arxiv.2202.12087,
title = {SQuadMDS: a lean Stochastic Quartet MDS improving global structure preservation in neighbor embedding like t-SNE and UMAP},
author = {Pierre Lambert and Cyril de Bodt and Michel Verleysen and John Lee},
journal= {arXiv preprint arXiv:2202.12087},
year = {2022}
}