Machine learning

t-SNE

t-SNE (t-Distributed Stochastic Neighbor Embedding) est une méthode non linéaire de réduction de dimensionnalité introduite par Laurens van der Maaten et Geoffrey Hinton en 2008, qui projette des données de haute dimension dans un espace 2D ou 3D à des fins de visualisation. Elle préserve les similarités locales probabilistes, de sorte que les points voisins dans l'espace d'origine restent proches les uns des autres, révélant ainsi la structure des clusters et les voisinages locaux.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Sources

  1. van der Maaten, L. & Hinton, G. (2008). Visualizing Data using t-SNE. Journal of Machine Learning Research, 9(86), 2579–2605. link

Comment citer cette page

ScholarGate. (2026, June 1). t-Distributed Stochastic Neighbor Embedding. ScholarGate. https://scholargate.app/fr/machine-learning/t-sne

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Référencée par

ScholarGatet-SNE (t-Distributed Stochastic Neighbor Embedding). Consulté le 2026-06-15 sur https://scholargate.app/fr/machine-learning/t-sne · Jeu de données : https://doi.org/10.5281/zenodo.20539026