두 단계로 나누는 계산
첫 단계에서는 각 점의 가까운 이웃을 근사적으로 찾아 그래프를 만든다. 둘째 단계에서는 간선의 유사도 관계를 저차원 좌표로 표현한다. 따라서 이웃 탐색에서 놓친 관계는 배치 단계에도 영향을 줄 수 있다. 원래 벡터 사이의 모든 거리를 보관하는 방식과 계산 구조가 다르다.
그래프 크기의 단순 비교
점이 10000개이면 순서 없는 모든 점쌍은 49995000개다. 각 점에서 이웃 20개만 기록하는 방향성 목록은 200000개 항목이다. 이 숫자는 단순한 항목 수 비교로, 양방향 관계의 중복이나 탐색용 자료구조, 좌표 저장 비용은 포함하지 않는다. 작은 그래프가 왜 유리할 수 있는지 보여 준다.
연결되지 않은 쌍의 표본화
가까운 점을 당기는 효과만 있으면 많은 점이 한곳에 모일 수 있다. 연결되지 않은 관계를 반영하는 계산도 필요하지만 모든 비간선을 다루면 다시 점 수의 제곱에 가까운 비용이 든다. LargeVis는 음성 표본화로 일부 비간선을 선택해 확률적 최적화에 사용한다.
큰 자료에서도 확인할 것
점 수가 많다는 사실만으로 근사 이웃의 품질이 확보되지는 않는다. 변수 스케일과 거리 척도, 그래프의 연결성에 따라 결과가 달라진다. 저차원 좌표의 군집 간 간격은 원래 거리의 정확한 복사본이 아니며, 여러 초기화의 결과와 이웃 보존 지표를 비교해 해석한다.