機器學習（三十二）——t-SNE, Adaboost

t-SNE（續） SNE 在介紹t-SNE之前，我們首先介紹一下SNE（Stochastic Neighbor Embedding）的原理。 假設我們有數據集X，它共有N個數據點。每一個數據點 xi x i 的維度爲D，我們希望降低爲d維。在一般用於可視化的條件下，d的取值爲 2，即在平面上表示出所有數據。 SNE將數據點間的歐幾里德距離轉化爲條件概率來表徵相似性： pj∣i=exp(−‖xi−x

>>阅读原文<<