大比例尺

大比例尺：可视化大尺度和高维数据。我们研究在低维（通常是2D或3D）空间中可视化大规模和高维数据的问题。最近，许多成功的技术，首先计算数据点的相似结构，然后将它们投影到一个低维空间中，并保留其结构。这两个步骤的计算成本相当大，阻碍了诸如t-SNE这样的最新方法扩展到大规模和高维数据（例如，数百万个数据点和数百个维度）。我们提出了LargeVis，它首先从数据中构造一个精确近似的K-最近邻图，然后在低维空间中布局图。与t-SNE相比，LargeVis显著降低了图形构建步骤的计算成本，并采用了一种原则性的概率模型，通过具有线性时间复杂度的异步随机梯度下降，可以有效地优化目标。因此，整个过程很容易扩展到数百万个高维数据点。在实际数据集上的实验结果表明，LargeVis在效率和有效性方面都优于现有的方法。LargeVis的超参数在不同的数据集上也更加稳定。