Câu trả lời cho câu hỏi này cho thấy rằng t-SNE chỉ nên được sử dụng để trực quan hóa và chúng ta không nên sử dụng nó để phân cụm. Vậy thì việc sử dụng tốt cho t-SNE là gì?
Tôi không đồng ý với kết luận này. Không có lý do nào để cho rằng t-SNE phổ biến hơn bất kỳ thuật toán phân cụm nào khác. Mỗi thuật toán phân cụm đưa ra các giả định về cấu trúc của dữ liệu và chúng có thể được dự kiến sẽ thực hiện khác nhau tùy thuộc vào phân phối cơ bản và việc sử dụng cuối của chiều giảm.
t-SNE giống như nhiều thuật toán học tập không giám sát thường cung cấp một phương tiện để kết thúc, ví dụ như có được cái nhìn sâu sắc sớm về việc dữ liệu có thể tách rời hay không, kiểm tra xem nó có cấu trúc nào đó và kiểm tra bản chất của cấu trúc này hay không. Người ta không cần trực quan hóa đầu ra t-SNE để bắt đầu trả lời một số câu hỏi này. Các ứng dụng khác của nhúng nhúng chiều thấp hơn bao gồm các tính năng xây dựng để phân loại hoặc loại bỏ đa cộng tuyến để cải thiện hiệu suất của các phương pháp dự đoán.