溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容主要講解“R語言的Rtsne包怎么用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“R語言的Rtsne包怎么用”吧!
Rtsne包降維聚類分析
對于不相似的點，用一個較小的距離會產生較大的梯度來讓這些點排斥開來。
這種排斥又不會無限大(梯度中分母)，避免不相似的點距離太遠。
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，對于本征維數(intrinsic dimensionality)本身就很高的數據集，是不可能完整的映射到2-3維的空間
全局結構未明確保留。這個問題可以通過PCA初始化點（使用init ='pca'）來緩解。
計算量大，耗時間是PCA的百倍，內存占用大。
1、識別腫瘤亞群（醫學成像）
質譜成像（MSI）是一種同時提供組織中數百個生物分子的空間分布的技術。t-SNE，通過數據的非線性可視化，能夠更好地解析生物分子腫瘤內異質性。
2、 人臉識別
人臉識別技術已經取得巨大進展，很多諸如PCA之類的算法也已經在該領域被研究過。但是由于降維和分類的困難，人臉識別依然具有挑戰性。t-SNE被用于高維度數據降維，然后用其它算法，例如 AdaBoostM2, 隨機森林, 邏輯回歸, 神經網絡等多級分類器做表情分類。
主要參數
| dims | 參數設置降維之后的維度，默認是2 |
| perplexity | 困惑度，參數須取值小于(nrow(data)-1)/3 |
| theta | 參數越大，結果的準確度越低，默認是0.5 |
| max_iter | 最大迭代次數 |
| pca | 表示是否對輸入的原始數據進行PCA分析，然后用分析后的數據進行后續分析，一般選擇TRUE |
library(Rtsne) iris_unique <- unique(iris) #去重復 tsne_out <- Rtsne(as.matrix(iris_unique[,1:4])) #運行t-SNE plot(tsne_out$Y,col=iris$Species,asp=1) #asp 限定 aspect 比率
到此，相信大家對“R語言的Rtsne包怎么用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
