实际上，我发现因为 t-Distribution 是一个长尾分布，它可以防止拥挤问题（这是 SNE 的缺点之一）。

您也可以从 17:48 到 20:12 观看本次讲座，以 t-SNE 的作者的一个很好的例子来听听原因。

tSNE产生的簇结构趋于分离，形状更稳定；并且更可重复。

我们在这里学习一个拓扑结构。因此，映射低维邻居是 SNE 的必要和基本目标。请注意，在较低维度中，我们没有太多空间来容纳所有邻居。请注意，我们可以维空间等距点。因此，基本的 SNE 算法所做的就是将所有等距点折叠到低维中的一个点。这种现象称为拥挤问题。$n+1$$n$

为了缓解这个问题，建议使用 t 分布。由于它有一个沉重的尾巴，它允许将那些遭受拥挤问题的点放置在一个有点远的地方（但不要太远）。