Comments 3
Попробовал, спасибо. Документации только не хватает.
Кажется вы перепутали в начале, либо я что-то не так понял:
«Алгоритмы понижения размерности можно разделить на 2 основные группы: они пытаются сохранить либо глобальную структуру данных, либо локальные расстояния между точками. К первым относятся такие алгоритмы как Метод главных компонент (PCA) и MDS (Multidimensional Scaling), а ко вторым — t-SNE, ISOMAP, LargeVis и другие.»
Расстояния как раз пытаются сохранить методы многомерного шкалирования (ну и PCA как частный случай), а структуру — t-SNE и иже с ним.
«Алгоритмы понижения размерности можно разделить на 2 основные группы: они пытаются сохранить либо глобальную структуру данных, либо локальные расстояния между точками. К первым относятся такие алгоритмы как Метод главных компонент (PCA) и MDS (Multidimensional Scaling), а ко вторым — t-SNE, ISOMAP, LargeVis и другие.»
Расстояния как раз пытаются сохранить методы многомерного шкалирования (ну и PCA как частный случай), а структуру — t-SNE и иже с ним.
Подскажите, пожалуйста, с каким perplexity строился t-SNE график?
Sign up to leave a comment.
Обзор нового алгоритма уменьшения размерности UMAP. Действительно ли он лучше и быстрее, чем t-SNE?