t分散確率的近傍埋め込み(t-SNE)

t-distributed Stochastic Neighbor Embedding (t-SNE)は、主にデータの可視化に用いられる強力な非線形次元削減手法である。機械学習(ML)の研究者や実務家は、高次元のデータセットを低次元空間（一般的には2Dまたは3Dプロット）で可視化することができる。Laurens van der MaatenとGeoffrey Hintonによって開発されたこの手法は、他の手法では見逃してしまうような、クラスターや多様体のようなデータの根底にある局所的な構造を明らかにすることができる。Scikit-learnのようなライブラリやPyTorchのようなフレームワークで広く実装されている。

t-SNEの核となる考え方は、低次元のマップにおいて、類似したデータ点を近くに、非類似のデータ点を遠くに配置することである。これは、データ点間の高次元のユークリッド距離を、類似性を表す条件付き確率に変換することで達成される。そして、低次元マップの類似確率分布を使用し、これら2つの分布間の発散を最小化する。