降维算法--PCA 与 t-SNE

86 阅读 0 评论 57 点赞

我是靠谱客的博主天真白昼，最近开发中收集的这篇文章主要介绍降维算法--PCA 与 t-SNE，觉得挺不错的，现在分享给大家，希望可以做个参考。

PCA是大家所熟知的降维算法，但是线性降维虽然简单，其局限性也很明显，难以实现高维数据在低维空间的可视化。

t-SNE是非线性的降维算法，能实现高维到低维的可视化映射，但因为涉及大量的条件概率、梯度下降等计算，时间和空间复杂度是平方级的，比较耗资源。

t-SNE几乎可用于所有高维数据集，广泛应用于图像处理，自然语言处理，基因组数据和语音处理。实例有：面部表情识别[2]、识别肿瘤亚群[3]、使用wordvec进行文本比较[4]等。

实现：R的Rtsne包；Python的sklearn包。

具体原理和实现代码请戳点击打开链接。

以上就是天真白昼为你收集整理的降维算法--PCA 与 t-SNE的全部内容，希望文章能够帮你解决降维算法--PCA 与 t-SNE所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。