t-sne尺寸有意义吗？

t-sne嵌入的尺寸有任何含义吗？像PCA一样，我们具有线性变换的方差最大化的感觉，但是对于t-sne，除了我们定义的用于映射和最小化KL距离的空间之外，还有直觉吗？

低维空间的尺寸没有意义。请注意，t-SNE损失函数仅基于点之间的距离（和）以及这些距离上的概率分布（和）：$y_i$$y_j$$p_{ij}$$q_{ij}$

因此，没有从整个高维空间到低维空间的投影，t-SNE仅找到从一组特定的高维点到一组特定的低维点的映射。因为从一个空间到另一个空间没有功能，所以也没有轴的固有含义。

您可以想象的事情说明了这一点：

• 旋转或平移高维或低维空间不会影响点之间的距离。因此，t-SNE不在乎两个空间中的旋转或平移。因此，没有绝对的轴解释。
• t型学生分布有肥大的尾巴。这导致低维表示对于高维空间中较远的点的变化是不变的。这也导致在高维空间中较远的点在低维空间中可以合理地相距很远，或者很远。从这个意义上讲，它拉伸了低维轴的某些部分（沿任意方向）。

就是说，t-SNE主要是一种可视化技术，其降维效果在其他目的上并不明显（可能不适用于聚类，特征提取或特征选择）。

另：纸。