机器学习（三十二）——t-SNE, Adaboost

t-SNE（续） SNE 在介绍t-SNE之前，我们首先介绍一下SNE（Stochastic Neighbor Embedding）的原理。 假设我们有数据集X，它共有N个数据点。每一个数据点 xi x i 的维度为D，我们希望降低为d维。在一般用于可视化的条件下，d的取值为 2，即在平面上表示出所有数据。 SNE将数据点间的欧几里德距离转化为条件概率来表征相似性： pj∣i=exp(−‖xi−x

>>阅读原文<<