- t-SNE – Laurens van der Maaten（感谢学术男神们的无私开源）
- User_guide.pdf（用户指南）
1. tsne 函数
mappedX = tsne(X, labels, no_dims, init_dims, perplexity)- 最新的matlab（实测的是2017b） 已经集成了 tsne
- tsne 是无监督降维技术，labels 选项可选；
- X是由N 个样本组成的二维矩阵，每个样本由 D 维数据构成（N行D列）；
- no_dims 的默认值为 2；（压缩后的维度）
- tsne 函数实现，X∈RN×D⇒RN×no_dimesX∈RN×D⇒RN×no_dimes（mappedX）
init_dims：注意，在运行 tsne 函数之前，会自动使用 PCA 对数据预处理，将原始样本集的维度降低至init_dims维度（默认为 30）。因此用户可以自行设置一下init-dims的数量。或者提前使用matlab中的PCA检测一下哪个维度能够保持你的样本数据的正确率。- perplexity：高斯分布的perplexity，默认为 30； 此参数不了解，但是教程中说，越是高密度的样本，其值越大。一般推荐5-50
2.Plot results 输出结果
gscatter(mappedX(:,1), mappedX(:,2), train_labels);
3. mnist 数据集可视化
- mnist 的 mat 文件，下载地址，mnist.zip