sklearn tsne

采用tsne画数据集的分布图

from sklearn.manifold import TSNE
import numpy as np
import time
import matplotlib.pyplot as plt
import pandas as pd#     fig = plt.figure()
#     ax = fig.add_subplot(1, 1, 1, projection='3d')
#     for i in range(X.shape[0]):
#         ax.text(X[i, 0], X[i, 1], X[i, 2], str(digits.target[i]),
#                 color=plt.cm.Set1(y[i] / 10.),
#                 fontdict={'weight': 'bold', 'size': 9})
#     if title is not None:
#         plt.title(title)name = ['adenocarcinoma']
for j in range(len(name)):dataset = pd.read_csv('C:/Users/' + name[j] + '.csv', header=None)print(name[j], dataset.shape)shape = dataset.shape[1] - 1shape1 = dataset.shape[0]x = dataset.iloc[:, :-1].valuesy = dataset.iloc[:, -1].valuestsne = TSNE(n_components=2, init='pca', random_state=0)t0 = time.time()result = tsne.fit_transform(x)print(result.shape)x_min, x_max = np.min(result, 0), np.max(result, 0)  # 每列中的最小值和最大值data = (result - x_min) / (x_max - x_min)  # 归一化# print(x_min)# print(x_max)print('----')# print(data)# 3d图像# fig = plt.figure()# ax = fig.add_subplot(1, 1, 1, projection='3d')# for i in range(data.shape[0]):#     ax.text(data[i, 0], data[i, 1], data[i, 2], str(y[i]),#             color=plt.cm.Set1(y[i] / 10.),#             fontdict={'weight': 'bold', 'size': 9})# 2d图像fig = plt.figure(figsize=(10, 7))markers = ["+", "o", "<", ">", "*", ".", ",", "p", "3"]for i in range(data.shape[0]):plt.text(data[i, 0], data[i, 1], str(y[i]), color=plt.cm.Set1(y[i]),fontdict={'weight': 'bold', 'size': 9})plt.xlim()plt.ylim()plt.title(name[j])plt.savefig('C:/Users/tsne_' + name[j] + '.png', dpi=500)

sklearn tsne相关推荐

scanpy TSNE画图和sklearn TSNE画图复现
今天测试一个数据时,发现scanpy画的图和使用sklearn画的图有点不一样,解决过程如下测试1 from sklearn import datasets import scanpy as sc ...
sklearn tsne降维方法举例
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 nump ...
python实现tsne
参考链接: https://blog.csdn.net/zhangweiguo_717/article/details/70998959 原博客代码完整如下: #-*- coding:utf-8 -* ...
python实现TSNE检验 TSNE降维代码
python如何实现TSNE检验并绘图一般而言TSNE就是一种数据可视化的工具,能够将高维数据降到2-3维(降维),然后画成图.现在也有蛮多可以直接使用的套件,如sklearn.manifold(具 ...
Kaggle 官方教程：嵌入
原文:Embeddings 译者:飞龙协议:CC BY-NC-SA 4.0 P.S- 本课程仍处于测试阶段,因此我很乐意收到你的反馈意见. 如果你有时间填写本课程的超短期调查,我将非常感激. 你也可 ...
Python编程语言学习：sklearn.manifold的TSNE函数的简介、使用方法、代码实现之详细攻略
Python编程语言学习:sklearn.manifold的TSNE函数的简介.使用方法.代码实现之详细攻略目录 Manifold简介 TSNE简介-数据降维且可视化 TSNE使用方法 TSNE代码 ...
sklearn 特征降维利器 —— PCA TSNE
同为降维工具,二者的主要区别在于, 所在的包不同(也即机制和原理不同) from sklearn.decomposition import PCA from sklearn.manifold impo ...
sklearn基础篇（十）-- 非负矩阵分解与t-SNE
1 非负矩阵分解(NFM) NMF(Non-negative matrix factorization),即对于任意给定的一个非负矩阵V\pmb{V}VVV,其能够寻找到一个非负矩阵W\pmb{W}W ...
sklearn 笔记 TSNE
0 基本介绍机器学习笔记:t-SNE_UQI-LIUWJ的博客-CSDN博客将高维数据降维,使得高维数据各点的联合概率,和对应的低维数据各点的联合概率之间的 KL散度尽量小对T-SNE使用不同的 ...

sklearn tsne

sklearn tsne相关推荐

最新文章

热门文章