machine-learning - 为什么 tsne 方法使用欧几里得距离来计算高维数据中的相似性?
问题描述
我尝试过其他距离度量,如切比雪夫距离或曼哈顿距离等,这些都是在 Matlab 的 tsne 中实现的。其中一些实现了与欧几里得距离度量相同的良好性能。所以我对为什么tsne总是使用欧几里得距离来计算距离有一些疑问。与其他距离度量相比,此距离度量有什么优势吗?我希望有人可以帮助我解决我的问题。提前致谢!
解决方案
TSNE 总是使用欧几里得距离函数来测量距离,因为它是方法定义中的默认参数集。如果您希望更改用于特定问题的距离函数,则需要在方法调用中更改“metric”参数。
这是一个链接,列出了您可以用作参数而不是欧几里得的不同距离函数。
希望这可以帮助!
推荐阅读
- reactjs - "Apply() is only allowed in ready status" (unhandled runtime error)
- java - JTable 自定义渲染器不改变颜色
- spring - using Flyway for MongoDb in Spring
- javascript - 在 tableau 服务器上使用 window.location.href 调用当前 url
- java - Apache pulsar 2.8.0 独立失败
- android - Flutter中如何获取StatefulWidget的生命周期?我想确定当前屏幕上小部件的生命周期而不是完整的应用程序
- php - PHP中的日期转换
- ios - iOS 抛硬币动画
- python - ndarray 的 pandas 数据框查询
- powerbi - Power BI 在同一时间线上获取度量