t-SNE算法的原理和Python代码实现详解

T分布随机邻域嵌入(t-SNE)，是一种用于可视化的无监督机器学习算法，使用非线性降维技术，根据数据点与特征的相似性，试图最小化高维和低维空间中这些条件概率(或相似性)之间的差异，以在低维空间中完美表示数据点。,因此，t-SNE擅长在二维或三维的低维空间中嵌入高维数据以进行可视化。需要注意的是，t-SNE使用重尾分布来计算低维空间中两点之间的相似度，而不是高斯分布，这有助于解决拥挤和优化问题。而且离群值不影响t-SNE。,1.找出高维空间中相邻点之间的成对相似性。,2.根据高维空间中点的成对相似性，将高维空间中的每个点映射到低维映射。,3.使用基于Kullback-Leibler散度(KL散度)的梯度下降找到最小化条件概率分布之间的不匹配的低维数据表示。,4.使用Student-t分布计算低维空间中两点之间的相似度。,导入模块,读取数据,数据预处理,输出,