tensorflow嵌入投影仪t-sne算法与其他实现有什么区别？
我一直在玩tensorflow独立嵌入投影仪（），发现它是一个非常有用的可视化工具。然而，当我尝试使用其他实现（例如，Rtsne、sklearn.manifold.tsne）复制t-sne结果时，低维投影似乎非常不同。特别是，集群在嵌入式投影仪中的分布要比使用R或python包学习到的要广泛得多 我使用了相同的困惑度、学习速度和动量参数。并尝试将投影仪中暗示的数据球化或不球化 有谁能帮助阐明t-sne算法的tensorflow投影仪实现与其他实现（如Rtsne）之间的差异？例如，投影仪中是否使用了与Rtsne中类似的“夸张”参数？什么是优化算法？或者在生成可视化过程中有什么特别的东西吗 我相信tensorflow投影仪的源代码是中的oss_demo_bin.js文件。不幸的是，我不熟悉javascript，并且发现它很难解释tensorflow嵌入投影仪t-sne算法与其他实现有什么区别？,tensorflow,visualization,dimensionality-reduction,Tensorflow,Visualization,Dimensionality Reduction,我一直在玩tensorflow独立嵌入投影仪（），发现它是一个非常有用的可视化工具。然而，当我尝试使用其他实现（例如，Rtsne、sklearn.manifold.tsne）复制t-sne结果时，低维投影似乎非常不同。特别是，集群在嵌入式投影仪中的分布要比使用R或python包学习到的要广泛得多 我使用了相同的困惑度、学习速度和动量参数。并尝试将投影仪中暗示的数据球化或不球化 有谁能帮助阐明t-sne算法的tensorflow投影仪实现与其他实现（如Rtsne）之间的差异？例如，投影仪中是否使用
谢谢 运气好吗？