使用 t 分布的 sne 坐标聚类
clustering using t-distributed sne coordinates
假设您有汽车数据：一个包含 10,000 行和 10 个特征列（mpg、发动机尺寸、马力等）的矩阵，并且您想要探索高维数据。你可以：
(1) 运行 kmeans 或数据集上的一些其他聚类算法...选择聚类数
(2) 先用PCA对数据集进行降维，将PC1和PC2传给聚类算法...选取簇数
但是你也可以
(3) 首先用TSNE对数据集进行降维，将2个TSNE坐标传递给聚类算法...选择簇数
有人做#3 吗？查看 TSNE 的结果后，每次 TSNE 为 运行 时，二维坐标都会发生变化。例如，一辆汽车可能有两个负 TSNE 坐标，然后如果算法再次为 运行 它可以有两个正 TSNE 坐标。例如，如果将坐标传递给聚类算法，则汽车可能在第 4 组中，然后在重新 运行 中它在第 7 或 6 组中，等等。TSNE 似乎是一个很棒的可视化工具，你会想要能够从中聚类。想法？
这个很好的答案主要回答了您的问题：
https://stats.stackexchange.com/a/264647/7828
它给出了一些示例，其中 tSNE 图显示输入数据中不存在的聚类，即非常误导.
尚未讨论的一个问题是让 tSNE 对您的数据产生有意义的结果。 tSNE 使用高斯内部的平方欧几里德。这意味着它对规模 非常 敏感。只要您的输入数据具有相似的比例（它主要用于图像，其中每个像素确实具有相同的比例），它就可以正常工作。但是在您的汽车数据示例中，您将遇到常见的缩放问题，并且得到的结果在统计上意义不大。 1 mph 与 1 个车轮不同。 tSNE 无法解决这个问题，相反：tSNE 对您的预处理选择非常敏感（事实上，在原始 tSNE 论文中，他们使用 PCA 作为额外的预处理步骤）。
假设您有汽车数据：一个包含 10,000 行和 10 个特征列（mpg、发动机尺寸、马力等）的矩阵，并且您想要探索高维数据。你可以：
(1) 运行 kmeans 或数据集上的一些其他聚类算法...选择聚类数 (2) 先用PCA对数据集进行降维，将PC1和PC2传给聚类算法...选取簇数
但是你也可以 (3) 首先用TSNE对数据集进行降维，将2个TSNE坐标传递给聚类算法...选择簇数
有人做#3 吗？查看 TSNE 的结果后，每次 TSNE 为 运行 时，二维坐标都会发生变化。例如，一辆汽车可能有两个负 TSNE 坐标，然后如果算法再次为 运行 它可以有两个正 TSNE 坐标。例如，如果将坐标传递给聚类算法，则汽车可能在第 4 组中，然后在重新 运行 中它在第 7 或 6 组中，等等。TSNE 似乎是一个很棒的可视化工具，你会想要能够从中聚类。想法？
这个很好的答案主要回答了您的问题：
https://stats.stackexchange.com/a/264647/7828
它给出了一些示例，其中 tSNE 图显示输入数据中不存在的聚类，即非常误导.
尚未讨论的一个问题是让 tSNE 对您的数据产生有意义的结果。 tSNE 使用高斯内部的平方欧几里德。这意味着它对规模 非常 敏感。只要您的输入数据具有相似的比例（它主要用于图像，其中每个像素确实具有相同的比例），它就可以正常工作。但是在您的汽车数据示例中，您将遇到常见的缩放问题，并且得到的结果在统计上意义不大。 1 mph 与 1 个车轮不同。 tSNE 无法解决这个问题，相反：tSNE 对您的预处理选择非常敏感（事实上，在原始 tSNE 论文中，他们使用 PCA 作为额外的预处理步骤）。