こんにちは。データ分析部の越水です。
以前、 弊社ブログ記事
「高次元データの可視化の手法をSwiss rollを例に見てみよう」
にて、高次元データの可視化手法を複数ご紹介いたしました。
今回は、 Kaggle などのデータコンペで最近注目を集めている可視化手法として、
t-SNE をご紹介したいと思います。
t-SNE は、高次元データの次元を圧縮するアルゴリズムであり、特に高次元データを可視化する際に有用です。
高次元データの関係性をうまく捉えられるという特徴があり、
最近 Kaggle などのデータコンペでよく用いられるようになりました。
t-SNE はどんな仕組みなのか？
t-SNE は SNE というアルゴリズムの改良版に当たります。
これらのアルゴリズムでは、（次元圧縮したい）高次元データ
「近さ」の指標としてはユークリッド距離やコサイン類似度など様々なものがありますが、 SNE の大きな特徴としてこの「近さ」を確率分布によって表現することが挙げられます。
本記事ではまずは SNE のアルゴリズムを紹介し、それから t-SNE について紹介したいと思います。
厳密さよりも分かりやすさを重視した説明なので、詳細を知りたい方は原論文をご覧ください。
続きを読む t-SNE を用いた次元圧縮方法のご紹介