T3-L04: t-SNE & UMAP
Non-linear dimensionality reduction cho visualization. Mô phỏng đơn giản hóa của t-SNE mechanics.
1. t-SNE — High-Dim vs Low-Dim Probability
t-SNE dùng Gaussian cho high-dim similarities P và t-distribution cho low-dim Q. Kéo slider để thấy tại sao heavy tail quan trọng (crowding problem).
1.0
2. Ảnh Hưởng của Perplexity
Mô phỏng t-SNE đơn giản với gradient descent. Perplexity thay đổi kết quả embedding. Click Run t-SNE để xem embedding sau hội tụ.
Data gốc (2D)
t-SNE embedding
Chọn dataset và nhấn Run t-SNE.
3. Pitfalls của t-SNE
4 pitfall quan trọng. Click từng pitfall để xem demo và giải thích.
Chọn pitfall...
t-SNE output
Nhấn một pitfall để xem demo.
4. UMAP — Hyperparameters
Mô phỏng hành vi của UMAP với n_neighbors và min_dist khác nhau trên cùng dataset.
UMAP embedding
PCA 2D (linear baseline)