Gibt es Bedeutungen für die Dimensionen einer t-sne Einbettung? Wie bei PCA haben wir diesen Sinn für linear transformierte Varianzmaximierungen, aber für t-sne gibt es neben dem Raum, den wir für die Abbildung und Minimierung des KL-Abstands definieren, auch Intuition?
18
Antworten:
Die Dimensionen des niedrigdimensionalen Raumes haben keine Bedeutung. Es ist zu beachten, dass die t-SNE-Verlustfunktion ausschließlich auf den Abständen zwischen Punkten ( und y j ) und den Wahrscheinlichkeitsverteilungen über diese Abstände ( p i j und q i j ) basiert :yich yj pich j qich j
Somit gibt es keine Projektion vom gesamten hochdimensionalen Raum zum niedrigdimensionalen Raum, t-SNE findet nur eine Abbildung von einer bestimmten Menge hochdimensionaler Punkte auf eine bestimmte Menge niedrigdimensionaler Punkte. Da es keine Funktion von einem Raum zum anderen gibt, haben die Achsen auch keine inhärente Bedeutung.
Dinge, die Sie sich vorstellen können, um dies zu veranschaulichen:
Abgesehen davon ist t-SNE in erster Linie eine Visualisierungstechnik, und die Wirksamkeit der Dimensionsreduzierung für andere Zwecke ist nicht offensichtlich (wahrscheinlich nicht für Clustering, Merkmalsextraktion oder Merkmalauswahl geeignet).
Auch: das Papier .
quelle