python降维可视化 自编码_如何使用自动编码器可视化降维？ （Python | TensorFlow）...

我正在尝试调整Aymeric Damien's code来可视化由 TensorFlow 中实现的自动编码器执行的降维 . 我看到的所有示例都在 mnist digits数据集上工作，但我想使用此方法将2维中的虹膜数据集可视化为玩具示例，以便我可以弄清楚如何为我的真实数据集调整它 .

我的问题是： How can one get the sample-specific 2 dimensional embeddings to visualize?

例如，iris数据集的 150 samples 与 4 attributes . 我添加了 4 noise attributes 以获得 8 attributes . 编码/解码如下： [8, 4, 2, 4, 8] 但我不知道如何提取形状 (150, 2) 数组来可视化嵌入 . 我还没有找到任何关于如何使用 TensorFlow 可视化降维的教程 .

from sklearn.datasets import load_iris

from sklearn.decomposition import PCA

import numpy as np

import tensorflow as tf

import matplotlib.pyplot as plt

%matplotlib inline

# Set random seeds

np.random.seed(0)

tf.set_random_seed(0)

# Load data

iris = load_iris()

# Original Iris : (150,4)

X_iris = iris.data

# Iris with noise : (150,8)

X_iris_with_noise = np.c