R語(yǔ)言的Rtsne包怎么用

本篇內(nèi)容主要講解“R語(yǔ)言的Rtsne包怎么用”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“R語(yǔ)言的Rtsne包怎么用”吧!

Rtsne包降維聚類分析

t-SNE優(yōu)缺點(diǎn)

優(yōu)點(diǎn)

• 對(duì)于不相似的點(diǎn)，用一個(gè)較小的距離會(huì)產(chǎn)生較大的梯度來(lái)讓這些點(diǎn)排斥開(kāi)來(lái)。

• 這種排斥又不會(huì)無(wú)限大(梯度中分母)，避免不相似的點(diǎn)距離太遠(yuǎn)。

  缺點(diǎn)

• 主要用于可視化，很難用于其他目的。

• t-SNE傾向于保存局部特征，對(duì)于本征維數(shù)(intrinsic dimensionality)本身就很高的數(shù)據(jù)集，是不可能完整的映射到2-3維的空間

• 全局結(jié)構(gòu)未明確保留。這個(gè)問(wèn)題可以通過(guò)PCA初始化點(diǎn)（使用init ='pca'）來(lái)緩解。

• 計(jì)算量大，耗時(shí)間是PCA的百倍，內(nèi)存占用大。

應(yīng)用

1、識(shí)別腫瘤亞群（醫(yī)學(xué)成像）

質(zhì)譜成像（MSI）是一種同時(shí)提供組織中數(shù)百個(gè)生物分子的空間分布的技術(shù)。t-SNE，通過(guò)數(shù)據(jù)的非線性可視化，能夠更好地解析生物分子腫瘤內(nèi)異質(zhì)性。

2、 人臉識(shí)別

人臉識(shí)別技術(shù)已經(jīng)取得巨大進(jìn)展，很多諸如PCA之類的算法也已經(jīng)在該領(lǐng)域被研究過(guò)。但是由于降維和分類的困難，人臉識(shí)別依然具有挑戰(zhàn)性。t-SNE被用于高維度數(shù)據(jù)降維，然后用其它算法，例如 AdaBoostM2, 隨機(jī)森林, 邏輯回歸, 神經(jīng)網(wǎng)絡(luò)等多級(jí)分類器做表情分類。

R語(yǔ)言實(shí)現(xiàn)

Rtsne包

主要參數(shù)

library(Rtsne)
iris_unique <- unique(iris) #去重復(fù)
tsne_out <- Rtsne(as.matrix(iris_unique[,1:4])) #運(yùn)行t-SNE
plot(tsne_out$Y,col=iris$Species,asp=1)  #asp 限定  aspect 比率

到此，相信大家對(duì)“R語(yǔ)言的Rtsne包怎么用”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！