首页T-SNE降维python代码案例

T-SNE降维python代码案例

时间: 2025-02-19 14:31:21 浏览: 47

### T-SNE降维 Python 实现 #### 使用`sklearn.manifold.TSNE` 为了简化开发过程，通常会利用Scikit-Learn库中的TSNE模块来进行操作。下面是一个基于MNIST手写数字数据集的简单例子[^1]。 ```python from sklearn.datasets import fetch_openml from sklearn.manifold import TSNE import matplotlib.pyplot as plt import numpy as np # 加载 MNIST 数据集的一个子集 mnist = fetch_openml('mnist_784', version=1) X, y = mnist["data"], mnist["target"] y = y.astype(int) # 取前两个类别以加快速度并减少内存占用 idx = (y == 0) | (y == 1) X_subset, y_subset = X[idx], y[idx] # 初始化 t-SNE 并拟合转换数据 tsne = TSNE(n_components=2, random_state=42, perplexity=30, learning_rate='auto') X_embedded = tsne.fit_transform(X_subset) plt.figure(figsize=(10, 7)) for digit in range(2): plt.scatter( X_embedded[y_subset == digit, 0], X_embedded[y_subset == digit, 1], label=str(digit), alpha=0.5, ) plt.legend() plt.title("t-SNE visualization of the first two classes from MNIST dataset") plt.show() ``` 这段代码展示了如何加载MNIST数据集的一部分，并应用`t-SNE`将其降至二维以便于可视化。注意这里只选择了两类样本用于展示目的；实际应用中可以根据需求调整所选的数据量和种类[^2]。

阅读全文