利用降维优化 t-SNE
机器学习
2019-12-04 v1 机器学习
摘要
t-SNE 是一种将多维数据集嵌入到二维或三维中的流行工具。然而，它具有较高的计算代价，尤其是当输入数据维度很高时。许多人使用 t-SNE 来嵌入神经网络的输出，其维度通常远低于原始数据。这限制了 t-SNE 在无监督场景中的使用。我们提出使用随机投影将高维数据集嵌入到相对较少的维度中，然后使用 t-SNE 获得二维嵌入。我们表明随机投影保留了 t-SNE 所实现的可取聚类效果，同时大幅降低了寻找嵌入的运行时间。
引用
@article{arxiv.1912.01098,
title = {Using Dimensionality Reduction to Optimize t-SNE},
author = {Rikhav Shah and Sandeep Silwal},
journal= {arXiv preprint arXiv:1912.01098},
year = {2019}
}
备注
11th Annual Workshop on Optimization for Machine Learning (OPT2019 )