tsne用法

tsne - t-Distributed Stochastic Neighbor Embedding

This MATLAB function returns a matrix of two-dimensional embeddings of the high-dimensional rows of X.
該函數作用就是將高維數據以二維坐標形式進行可視化。

---

一、語法

Y = tsne(X)

Y = tsne(X,Name,Value)

兩種使用方法，一般使用選擇第一種即可。

二、使用步驟

步驟1：數據矩陣X為1024x320，列向量表示1024維數據樣本，共320個樣本點
步驟2：Y = tsne(X);

load YaleB.mat X = fea(:,1:320); % 320個樣本數據，以1024維列向量表示，組成1024x320數據矩陣X X = matrixNormalize(X); % 數據標準化 label = gnd(1:320); % 數據標簽1-5，樣本共5類 X = X'; % 由于tsne標準輸入數據以行向量表示，因此先轉置 Y = tsne(X); % 得到的矩陣為Nx2，N為N個樣本，Y矩陣為320x2 gscatter(Y(:,1), Y(:,2),label);% 若無label輸入，則畫出的圖沒有色彩區分

三、Y = tsne(X,Name,Value)用法

Y = tsne(X,‘Algorithm’,‘exact’);

Y = tsne(X,‘Algorithm’,‘exact’,‘Distance’,‘euclidean’);

’Algorithm’ — tsne 進行數據投影時所用算法，兩種選擇’barneshut’， ‘exact’。

默認算法使用’barneshut’，特點是當數據樣本量很大時，近似最優，運算速度快，占用內存少。

'exact’算法優化了原始空間和嵌入空間之間的分布的Kullback-Leibler散度，特點精度高。

’Distance’ — 距離計算方法，多種選擇’euclidean’ (default) | ‘seuclidean’ | ‘cityblock’ | ‘chebychev’ | ‘minkowski’ | ‘mahalanobis’ | ‘cosine’ | ‘correlation’ | ‘spearman’ | ‘hamming’ | ‘jaccard’ | function handle

默認基于歐幾里得距離，根據實際數據效果選取，哪種效果圖好用哪個。常見的有 cosine, Chebychev與 Euclidean，三種距離方式效果圖分別為：

更多說明參考MathWork官方https://www.mathworks.com/help/releases/R2019a/stats/tsne.html?container=jshelpbrowser#bvh3rti-4

總結

以上是生活随笔為你收集整理的matlab利用t-SNE实现高维数据可视化（tsne函数用法实例）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。