爲什麼我的sklearn t-sne函數在達到最大迭代之前退出

Question

我試圖對平方距離矩陣運行tsne分析。這些是我正在使用的命令。

model = TSNE(n_components = 2,perplexity = 32, verbose = 10,n_iter = 1000, metric = "precomputed") 
embeddings = model.fit_transform(D) 

這是我收到的輸出：output from tsne function

它看起來像在程序運行通過75次迭代，然後調用它好和退出。當我從tsne繪製數據時，它基本上只是一個稠密的blob。爲什麼程序會提前退出，我該如何讓它運行更長時間？

Answer 1

它正在退出，因爲退出條件已達到。

解釋日誌，退出條件是可能在梯度的度量標準，稱爲梯度範這裏。如果需要，請檢查gradient-descent的基本知識以瞭解直覺。隨着每次迭代都朝着梯度的負向邁出了一步，微小的梯度對目標沒有太大的作用（並且將被解釋爲：我們找到了局部/全局最小值）。

它看起來像（仍然只解釋你的日誌）：

if np.linalg.norm(gradient) < 1e-4: 
    return solution 

沒有好處這個參數優化，問題進一步做更多的迭代。解決方案不會變得更好（就最小化而言）。

您只能嘗試其他參數（導致其他優化問題）。