使用TSNE可视化集群

Question

我有一个数据集，我需要以一种方式对其进行聚类和显示，其中同一聚类中的元素应该看起来更接近。该数据集基于研究研究，具有大约16行(条目)和大约50个特征。我确实同意这不是一个理想的数据集，但不幸的是，这就是目前的情况。

以下是我采取的方法：

在对数据集进行规范化之后，我首先对其应用了KMeans。

同时，我还尝试使用TSNE将数据映射到2个维度，并将它们绘制在散点图上。根据我对TSNE的理解，该技术应该已经将相同集群中的项目放得更近了。然而，当我看散点图时，集群实际上到处都是。

散点图的结果可以在这里找到：https://imgur.com/ZPhPjHB

这是因为TSNE和KMeans本质上的工作方式不同吗？我是否应该只做TSNE并尝试标记集群(如果是，如何标记？)或者我应该使用TSNE输出以某种方式馈送到KMeans？

我真的是这个领域的新手，非常感谢你的建议！

再次提前感谢

编辑:如果我首先使用TSNE将维度减少到2，然后使用这些减少的维度使用KMeans进行聚类，则会发生相同的重叠

Answer 1

TSNE和KMeans是有区别的。TSNE主要用于可视化，它试图在2D/3D空间(从更大的空间)上投影点，以保持距离(如果在更大的空间中，2个点很远，TSNE将尝试显示它)。

因此，TSNE不是一个真正的集群。这就是为什么你会得到奇怪的散点图。

对于TSNE，有时你需要之前应用PCA，但如果你的特征数量很大，就需要使用PCA。只是为了加快计算速度。

如前所述，尝试使用分层聚类或简单地生成更多行。

Answer 2

应用tSNE和拟合k-means是您可以开始的基本内容之一。我会说考虑使用不同的f散度。

F-发散https://arxiv.org/pdf/1811.01247.pdf下的随机邻域嵌入

本文尝试了五种不同的f散度函数: KL，RKL，JS，CH (卡方)，HL (Hellinger)。

这篇论文从精确度和召回率的角度讨论了哪种分歧强调了什么。