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(shù)作用就是將高維數(shù)據(jù)以二維坐標(biāo)形式進(jìn)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(shù)據(jù)矩陣X為1024x320，列向量表示1024維數(shù)據(jù)樣本，共320個(gè)樣本點(diǎn)
步驟2：Y = tsne(X);

load YaleB.mat X = fea(:,1:320); % 320個(gè)樣本數(shù)據(jù)，以1024維列向量表示，組成1024x320數(shù)據(jù)矩陣X X = matrixNormalize(X); % 數(shù)據(jù)標(biāo)準(zhǔn)化 label = gnd(1:320); % 數(shù)據(jù)標(biāo)簽1-5，樣本共5類 X = X'; % 由于tsne標(biāo)準(zhǔn)輸入數(shù)據(jù)以行向量表示，因此先轉(zhuǎn)置 Y = tsne(X); % 得到的矩陣為Nx2，N為N個(gè)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(qū)分

三、Y = tsne(X,Name,Value)用法

Y = tsne(X,‘Algorithm’,‘exact’);

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

’Algorithm’ — tsne 進(jìn)行數(shù)據(jù)投影時(shí)所用算法，兩種選擇’barneshut’， ‘exact’。

默認(rèn)算法使用’barneshut’，特點(diǎn)是當(dāng)數(shù)據(jù)樣本量很大時(shí)，近似最優(yōu)，運(yùn)算速度快，占用內(nèi)存少。

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

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

默認(rèn)基于歐幾里得距離，根據(jù)實(shí)際數(shù)據(jù)效果選取，哪種效果圖好用哪個(gè)。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(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。