R tsne初始pca步骤在做什么

查看Rtsne函数的参数：

有一个名为“pca”的参数定义为“逻辑；是否应执行初始pca步骤（默认值：TRUE）”

假设您有一个10维特征集，并且运行TSNE。我想你应该缩放10-D矩阵，然后将其传递给Rtsne（）

pca参数指示的pca做什么

是否需要10-D矩阵并对其运行PCA？如果是这样，它会将PCA空间中的所有10维传递给Rtsne吗

关于PCA初始步骤是什么，还有其他信息吗

多谢各位

原始tSNE纸张使用PCA

---

在运行tSNE之前减少MNIST数据的维数。

Ah，很高兴知道！他们写道：“在我们所有的实验中，我们首先使用PCA将数据的维数降低到30。这加快了数据点之间成对距离的计算，并在不严重扭曲插值距离的情况下抑制了一些噪声。”能够为复杂的数据集调整神奇的数字30可能会有用吗？对于大型数据集，PCA步骤显然比tSNE步骤花费更多的时间。我想PCA的论点是这样的，如果你的数据已经进行了PCA转换，你可以跳过它。PCA应该比tSNE便宜得多，除非你的维度太多，维度的诅咒破坏了距离。t-SNE在单细胞转录组学领域非常成功地使用，通常需要减少约20000个维度，但其中许多维度为0或共线，因此维度的诅咒并不太糟糕。在这里，SVD是更耗时的步骤，例如，在这种情况下，可能值得跳过PCA，因为如果没有n>>p。。。另外，您可能希望使用更合适的相似性度量。。。