判断：t-SNE学习非参数映射。

小开

答案解析

SNE（随机邻域嵌入）将数据点之间高维的欧氏距离转换为表示相似度的条件概率，t-SNE重点解决了两个问题，一个是SNE的不对称问题（用联合概率分布替代条件概率分布），另一个是不同类别之间簇的拥挤问题（引入t分布）。机器学习可以总结为学习一个函数模型，它将输入变量X映射为输出变量Y，算法从训练数据中学习这个映射函数，如果事先假设了模型参数和目标函数，那么这样的机器学习算法就是在学习一种参数映射，所以t-SNE学习非参数映射。