t-SNE (t-Distributed Stochastic Neighbor Embedding) adalah teknik reduksi dimensi non-linear yang sering digunakan dalam pembelajaran tanpa terawasi untuk visualisasi data berdimensi tinggi. Dengan t-SNE, data yang kompleks dapat divisualisasikan dalam dua atau tiga dimensi sehingga pola dan klaster menjadi lebih mudah dikenali.
Prinsip Kerja t-SNE
t-SNE memetakan data berdimensi tinggi ke dalam ruang berdimensi rendah dengan menjaga kedekatan lokal antar data. Teknik ini menggunakan probabilitas untuk mengukur kemiripan antar titik data dalam ruang asli dan ruang hasil reduksi.
Aplikasi t-SNE
t-SNE banyak digunakan dalam bioinformatika, analisis citra, dan pengenalan pola. Misalnya, teknik ini dapat membantu ilmuwan dalam memahami struktur data genetik atau distribusi fitur dalam dataset gambar.
Keterbatasan t-SNE
Walaupun efektif untuk visualisasi, t-SNE kurang cocok untuk pengolahan data dalam skala besar karena waktu komputasinya yang tinggi. Selain itu, hasil visualisasi t-SNE tidak selalu konsisten antar eksekusi karena sifatnya yang stokastik.