关于TSNE实现数据降维可视化的理解

TSNE：最直观的理解就是计算高维空间的特征相似度概率（高斯分布）然后投影到低维空间（t分布），并保证这种相似度得以保留（KL散度），其实也是Embedding的一种

下面是可视化的代码:

def visualize(h, color,title):

  z = TSNE(n_components=2).fit_transform(h.detach().cpu().numpy())

  plt.figure(figsize=(10,10))

  plt.xticks([])

  plt.yticks([])

  plt.scatter(z[:, 0], z[:, 1], s=70, c=color, cmap="Set2")

  plt.title(title)

  plt.show()

降维后的节点坐标用二维数组z表示，颜色用c表示（其实在节点分类问题里面对应的是节点标签）

实际调用可视化函数的代码块为：

out = model(data.x, data.edge_index)

visualize(out, color=data.y)

这里解释一下传递的参数：

out：模型输出的结果，这里其实输出的是一个嵌入向量

data.y：数据集的真实标签

所以相当于是经过不同的模型会对特征做不同的处理

比如说经过一个没有训练的GCN，那特征相当于是随机化处理了一下，没有什么明显的相似度，所以降维以后数据点还是乱的

如果经过一个训练好的GCN，那么特征就会结合拓扑结构重新实现嵌入，相似度明显提升，这时候再去做降维，那么就能看到节点位置发生了改变，会形成明显的簇

总结：TSNE图中，颜色代表真实的节点标签，节点的位置关系表示了特征的相似程度，所以相同颜色的节点越靠近、不同颜色的节点界限越清晰，说明特征嵌入越有效、分类结果会更准确！