问题

给定4X3维度的数据,我们想要在二维图上可视化,该怎么操作呢?

解决

我们可以通过调用sklearn中的tsne将给定的数据做降维操作,进而实现数据的可视化,如代码所示:

import numpy as np
from sklearn.manifold import TSNE'''降维过程'''
X = np.array([[10, 56, 12], [80, 21, 92], [21, 30, 53], [11, 81, 15]]) # 数据(4X3)
labels = np.array([1, 0, 1, 1]) # 每一行数据对应的标签(例如二分类问题)
model = TSNE()
np.set_printoptions(suppress=True)
Y = model.fit_transform(X) # 将X降维(默认二维)后保存到Y中'''可视化过程'''
from matplotlib import pyplot as plt![在这里插入图片描述](https://img-blog.csdnimg.cn/20190823204029967.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvc2xpbmU=,size_16,color_FFFFFF,t_70)
plt.scatter(Y[:,0], Y[:,1], 20, labels) # labels为每一行对应标签,20为标记大小
plt.savefig("transH.png") #保存图片
plt.show()

结果所示:黄点代表标签1,褐黑色代表标签0

sklearn tsne降维方法举例相关推荐

  1. Scikit-learn学习系列 | 4. sklearn特征降维方法汇总(方差过滤,卡方,F过滤,互信息,嵌入法)

    如有错误,恳请指出. 以下内容整理自专栏:博主"文火冰糖的硅基工坊"的专栏--机器学习与scikit-learn,对部分的文章的简化与整理. 文章目录 1. 常见的降维方法简介 1 ...

  2. MachineLearning 12. 机器学习之降维方法t-SNE及可视化 (Rtsne)

    点击关注,桓峰基因 桓峰基因公众号推出机器学习应用于临床预测的方法,跟着教程轻松学习,每个文本教程配有视频教程大家都可以自由免费学习,目前已有的机器学习教程整理出来如下: MachineLearnin ...

  3. sklearn 降维方法概述

    降维方法 现实中的许多数据都是稀疏的(sparse),高维数据处理的时间和空间复杂度都十分大,因此需要对数据进行降维 对数据进行降维,会在一定程度上降低数据的精度,同时也会增加机器学习模型处理流程的复 ...

  4. t-SNE:最好的降维方法之一

    引言 本期由来自哈工大的同样热爱科普的潮汐之子为我们带来t-SNE的全方位普及,作者的研究方向为自然语言处理 说明 本文目的是做成一个60分钟t-SNE闪电入门简介,可能无法详细讲解原理,学术帝还请阅 ...

  5. 可视化降维方法 t-SNE

    本篇主要介绍很好的降维方法t-SNE的原理 详细介绍了困惑度perplexity对有效点的影响 首先介绍了SNE 然后在SNE的基础上进行改进:1.使用对称式.2.低维空间概率计算使用t分布 t-SN ...

  6. R实战| PCA、tSNE、UMAP三种降维方法在R中的实现

    降维 在组学分析中,一般通过降维算法得到低纬度如二维或三维的新坐标数据,再结合可视化技术去展示样本的在新坐标的空间分布,接着加上统计检验结果证实整体组学水平上组间的差异性.降维算法有基于线性模型的PC ...

  7. 降维方法小结和理解:PCA、LDA、MDS、ISOMAP、SNE、T-SNE、AutoEncoder

    PCA:Principle component analysis 主成分分析 百度百科:它是一个线性变换.这个变换把数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标(称为第一主成 ...

  8. python用tsne降维_哈工大硕士实现了 11 种经典数据降维算法,源代码库已开放

    网上关于各种降维算法的资料参差不齐,同时大部分不提供源代码.这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取(数据降维)算法,包括:PCA.LDA.MDS.LLE. ...

  9. 传统的线性降维方法效果不佳。_10分钟数据降维入门

    1. 前言 在硕士期间学习研究了数据降维相关的知识,阅读了一些相关文章,也断断续续在知乎上写了 一些数据降维的入门级文章,收获了一些小伙伴的赞同,并在GitHub上开源了一些特征抽取算 法的源代码,获 ...

最新文章

  1. 计算机和外部通信方式,计算机和外部的通信方式
  2. 一步一步写STL:空间配置器(1)
  3. Javascript中类型的判断
  4. VC++2005项目的目录结构设置
  5. mysql show tables_MySQL防误删插件Recycle-Bin简介
  6. OpenGL ES (三)着色器和程序
  7. 多布局怎么搭建_展会搭建如何吸引人的注意力?
  8. 史上最详细Sqlyog详细安装教程及使用
  9. Linux服务器基本安全加固
  10. WordPress强大多功能主题模板The7 v9.16.0 已激活版本完全兼容大多数插件
  11. no output folder解决方案
  12. 大学生职业生涯规划书性格特征_个人职业生涯规划书性格分析范文-职业规划书性格分析...
  13. CM3基础(持续更新)
  14. 长三角政务服务“一网通办” 公积金提取 `网签合同编号`如何获取?
  15. Allegro 绘图参数的设置-设置图纸尺寸
  16. 上海大学生计算机一级考试时间,2019上海各大学期末考试时间安排 什么时候期末考试...
  17. 希捷ST9500325AS本盘0容量数据恢复
  18. Mac电脑到底该用什么下载软件?Folx苹果电脑专用
  19. 二十八. geotrellis使用 栅格数据色彩渲染(多波段真彩色)
  20. 苹果关闭自动更新_苹果App Store内购软件更新方法

热门文章

  1. MapReduce中的压缩和解压缩
  2. android程序怎么导出到手机号码,手机电话号码怎么备份到微信(三种方法教你备份技巧)...
  3. 上传头像裁剪 android,android 调用系统裁剪框 裁剪头像
  4. 【蓝桥杯】第六届蓝桥杯大赛个人赛省赛(软件类) Java大学C组 -题目与答案
  5. Unity动画系统-给人物添加动画
  6. wpf 动态图片显示
  7. python安装时,官方目录web-based与executable区别
  8. Latex-论文作者信息的写法
  9. 怎么在cmd中重启mysql_windows环境下MySQL重启的命令行说明
  10. [cocos2d-x]躲蜘蛛游戏设计[进阶]