Кластеризация с помощью t-SNE: строгое обоснование
Clustering with t-SNE, Provably
2019-01-01
SCID: 54.1/m4qv2tbc
Discuss with AI
восстановление кластеровраннее усилениеспектральная кластеризацияшвейцарский рулонt-SNE
Figures from the paper
Abstract (AI)
Стохастическое вложение соседей с t-распределением (t-SNE) — метод кластеризации и визуализации, предложенный ван дер Маатеном и Хинтоном в 2008 году, — быстро стало стандартным инструментом в ряде естественно-научных дисциплин. Несмотря на его огромный успех, математические основы метода разработаны недостаточно, а внутренние принципы работы алгоритма остаются недостаточно изученными. Цель настоящей статьи — доказать, что t-SNE способен восстанавливать хорошо разделённые кластеры; более точно, мы доказываем, что фазу «раннего усиления» t-SNE — метод оптимизации, предложенный ван дер Маатеном и Хинтоном [J. Mach. Learn. Res., 9 (2008), с. 2579–2605] и ван дер Маатеном [J. Mach. Learn. Res., 15 (2014), с. 3221–3245], — можно строго анализировать. В качестве побочного результата доказательство предлагает новые способы выбора параметра усиления α и шага h. Численные примеры иллюстрируют эффективность этих правил: в частности, улучшается качество вложения топологических структур (например, «швейцарского рулона»). Также обсуждается связь с методами спектральной кластеризации.
Key Findings
1
Численные примеры показывают, что предложенные правила настройки улучшают встраивание топологических структур, например свёрнутой ленты.
2
Анализ устанавливает условия, при которых t-SNE с ранним усилением способен разделять хорошо разделённые кластеры.
3
В работе выявлена связь между t-SNE с ранним усилением и методами спектральной кластеризации.
4
В работе представлено строгое математическое исследование фазы раннего усиления t-SNE для восстановления хорошо разделённых кластеров.
5
Доказательство предлагает новые правила выбора параметра усиления α и шага оптимизации h.
Research Object
метод t-SNE на этапе раннего усиления, применяемый к хорошо разделённым кластерам и топологическим структурам данных
Research Subject
теоретические гарантии восстановления кластеров и поведение вложения метода t-SNE, включая влияние параметра усиления и размера шага
Publication Details
Publication Date
2019-01-01
Journal
Publisher
ISSN
Cited by
315
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью8
Искусство применения t-SNE для транскриптомики отдельных клеток2019
Понимание принципов работы методов снижения размерности: эмпирический подход к интерпретации t-SNE, UMAP, TriMAP и PaCMAP для визуализации данных2020
t-viSNE: интерактивная оценка и интерпретация проекций t-SNE2020
Теоретические основы t-SNE для визуализации кластеризованных данных высокой размерности2021
Визуализация временных рядов с использованием t-SNE на основе временного сопоставления2019
Снижение размерности с помощью динамических систем: случай t-SNE2022
Федеративные t-SNE и UMAP для визуализации распределенных данных2025
Связь между теорией города и искусственным интеллектом: мультиагентная рекомендательная система для устойчивого развития городов2026