【Python】t-SNE による Fashion-MNIST の可視化 |最近公開された Fashion-MNIST データセットに対して t-SNE を試しました。環境は以下です。 macOS 10.12.6 CPU Core i5 1.6 GHz メモリ DDR3 8GB Python 2.7.13 SNE (Stochastic Neighbor Embedding) [1] は非線形次元削減の手法。サンプル間の類似度を条件付き確率で表現する。例えば, ある点 i から別の点 j との類似性は i を中心とするガウス分布で定義される i の近傍の中で見つかる j の条件付き確率 p(j|i) とする。全てのサンプルについて p(j|i) を求めた上で, 高次元空間上での i, j 間の類似度を pij とする。次元削減前後での条件付き確率の誤差を最小化 (なるべく確率分布が一致) するように勾配法で最適化する。分布間の近さを表す尺度として KLダイバージェ
