基于高斯与 Student-t 分布的随机邻域嵌入：教程与综述
机器学习
2022-08-04 v2 计算机视觉与模式识别
机器学习
摘要
随机邻域嵌入（SNE）是一种具有概率方法的流形学习与降维方法。在 SNE 中，每个点都以某种概率被视为所有其他点的邻域，并试图在嵌入空间中保持该概率。SNE 在输入空间和嵌入空间中均考虑高斯分布的概率。然而，t-SNE 在这些空间中分别使用 Student-t 分布和高斯分布。在本教程与综述论文中，我们阐释 SNE、对称 SNE、t-SNE（或 Cauchy-SNE）以及具有一般自由度的 t-SNE。我们还涵盖了这些方法的样本外扩展与加速。
引用
@article{arxiv.2009.10301,
title = {Stochastic Neighbor Embedding with Gaussian and Student-t Distributions: Tutorial and Survey},
author = {Benyamin Ghojogh and Ali Ghodsi and Fakhri Karray and Mark Crowley},
journal= {arXiv preprint arXiv:2009.10301},
year = {2022}
}
备注
To appear as a part of an upcoming academic book on dimensionality reduction and manifold learning. v2: applied readers' feedback