我（认为我）了解大多数降维方法（MDS、IsoMap、t-SNE、光谱嵌入、扩散图等）的基本原理。

我使用最多的一些算法是 Kernel PCA（带有高斯内核）和 t-SNE。我的问题是，您是否知道关于何时使用 t-SNE 或内核 PCA 的一些理论依据？你知道他们的相对优势/劣势是什么吗？是否有一些已知的案例，其中一个比另一个更好？他们的结果是否具有不同的特征（我注意到 KPCA 倾向于保留点的密度，而 t-SNE 则以或多或少均匀的密度散布点）？这种东西...