La respuesta a esta pregunta sugiere que el t-SNE debe ser utilizado sólo para la visualización y que debemos no utilizarlo para la agrupación. Entonces, ¿cuál es el buen uso de t-SNE?
No estoy de acuerdo con esta conclusión. No hay ninguna razón para suponer que t-SNE es peor universalmente que cualquier otro algoritmo de agrupamiento. Cada algoritmo de agrupación hace suposiciones sobre la estructura de los datos, y se puede esperar que funcionen de manera diferente dependiendo de la distribución subyacente y el uso final de la dimensionalidad reducida.
El t-SNE, como muchos algoritmos de aprendizaje no supervisados, a menudo proporciona un medio para un fin, por ejemplo, obtener información temprana sobre si los datos son separables o no, probar que tiene alguna estructura identificable e inspeccionar la naturaleza de esta estructura. No es necesario visualizar la salida de t-SNE para comenzar a responder algunas de estas preguntas. Otras aplicaciones de incrustaciones de dimensiones inferiores incluyen características de construcción para la clasificación o eliminación de la multicolinealidad para mejorar el rendimiento de los métodos de predicción.