对数据进行T-SNE降维并进行可视化
怎么对数据进行t-sne降维，并进行可视化
1、相信大家在进行分类完成后，都想看看聚类的效果怎么样，那么调用t-sne函数是一个很快的方式，而且不需要太懂这个东西。关于画图的工具有matplotlib和seaborn这两个方式，一般使用matplotlib这个画图工具就够了，如果想画的好看些，那么就用seaborn这个工具。这里是一些python代码。
下面展示一些
内联代码片。
这个是用matplotlib
// A code block
import matplotlib.pyplot as plt
from sklearn.mainfold import TSNE
tsne = TSNE(n_components=2)
x = [[1,2,2],[2,2,2],[3,3,3]]
y = [1,0,2]#y是x对应的标签
x_tsne = tsne.fit_transform(x)
plt.scatter(x_tsne[:,0],x_tsne[:,1],c=y)
plt.show()
// An highlighted block
import matplotlib.pyplot as plt
from sklearn.mainfold import TSNE
tsne = TSNE(n_components=2)
x = [[1,2,2],[2,2,2],[3,3,3]]
y = [1,0,2]#y是x对应的标签
x_tsne = tsne.fit_transform(x)
plt.scatter(x_tsne[:,0],x_tsne[:,1],c=y)
plt.show()
下面是用seaborn
下面展示一些 内联代码片。
// A code block
import matplotlib.pyplot as plt
from sklearn.mainfold import TSNE
import seaborn as sns
tsne = TSNE(n_components=2)
x = [[1,2,2],[2,2,2],[3,3,3]]
y = [1,0,2]#y是x对应的标签
x_tsne = tsne.fit_transform(x)
sns.scatterplot(x=x_tsne[:,0],y=x_tsne[:,1],hue=y)
plt.show()
// An highlighted block
import matplotlib.pyplot as plt
from sklearn.mainfold import TSNE
import seaborn as sns
tsne = TSNE(n_components=2)
x = [[1,2,2],[2,2,2],[3,3,3]]
y = [1,0,2]#y是x对应的标签
x_tsne = tsne.fit_transform(x)
sns.scatterplot(x=x_tsne[:,0],y=x_tsne[:,1],hue=y)
plt.show()
这样完成了t-sne的降维可视化，但是如果想要画的更好看些，可以看下matplotlib和seaborn的详细资料，因为matplotlib和seaborn的资料有些多，而且每个人喜欢的风格不同，这里就不详细叙述matplot和seaborn的资料了。