t-SNE excelle à préserver la structure locale (voisinage) des données complexes pour la visualisation, tandis que PCA préserve la variance globale.

t-SNE est un algorithme linéaire, PCA est non-linéaire.

t-SNE fonctionne très bien sur des milliards de lignes, PCA est limité aux petits jeux de données.

CA est utilisé pour la classification supervisée, t-SNE pour la régression.