面试题库 › 算法 / 大模型 › t-SNE 降维原理

t-SNE 降维原理

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:降维与特征工程

哪些公司问过

科大讯飞1

常见岗位:计算机视觉

答案要点

  1. 高维:用高斯核把距离转为条件概率 p(j|i),σ_i 由困惑度决定,再对称化为 p_ij
  2. 低维:用自由度为 1 的 t 分布计算相似度 q_ij ∝ 1/(1+‖y_i−y_j‖²)
  3. 目标:梯度下降最小化 KL(P‖Q)
  4. t 分布长尾缓解拥挤问题,使簇间分离更明显
  5. 保局部不保全局,朴素 O(n²),可用 Barnes-Hut 近似加速

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题