数据可视化:T-SNE可视化降维 python

t-sne降维:(例,降为2维)
from sklearn.manifold import TSNE
input_vector = [[1,2,3...], [3,4,5....],....]
tsne = TSNE(n_components=2)
tsne.fit_transform(input_vector)
2d_vector = tsne.embedding_

可以画出低维散点图:
import matplotlib.pyplot as plt
x = map(lambda xy: xy[0], 2d_vector)
y = map(lambda xy: xy[1], 2d_vector)
c = map(lambda x: 1 if(x[0] > 1) else 0, result_vec)
plt.scatter(x, y,s=1, c=c)
plt.show()


image.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

  • 作者:Siraj Raval课堂:The Best Way to Visualize a Dataset Easi...
    Kofe_阅读 12,066评论 0 4
  • 前言 PCA是一种线性降维算法,不能解释特征之间的复杂多项式关系。如果特征与特征之间的关系是非线性的话,用PCA可...
    安哥生个信阅读 14,280评论 0 17
  • 很多机器学习的问题都会涉及到有着几千甚至数百万维的特征的训练实例。这不仅让训练过程变得非常缓慢,同时还很难找到一个...
    城市中迷途小书童阅读 9,365评论 0 2
  • 首页 资讯 文章 资源 小组 相亲 登录 注册 首页 最新文章 IT 职场 前端 后端 移动端 数据库 运维 其他...
    Helen_Cat阅读 9,446评论 1 10
  • 曾经的我,喜欢追求完美,常有许多事想做而没做,瞻前顾后,注重细节。后来,因为经历,因为周围的人而慢慢的改变。 我发...
    微乎其微的光影森林阅读 3,369评论 4 4

友情链接更多精彩内容