SNE

数据可视化——四种非线性降维方式

一、t-SNE非线性降维，计算数据集中每行与其他行的距离（默认为欧氏距离）转换为概率。PCA属于线性降维，不能解释复杂多项式之间的关系，t-SNE是根据t分布随机领域的嵌入找到数据之间的结构特点。
小新122·2021-06-21 18:16

Seurat使用教程（v3.0）

graphTDA[安装Seurat包]-->|加载Seurat包|B(读入10X数据)B-->C(QC及前处理)C-->|筛选出符合要求的数据|D(标准化数据)D-->E(PCA分析)E-->F(t-SNE
xianmao123·2021-06-11 14:20

t-SNE in scikit learn (iris数据集）

【1】官方文档http://alexanderfabisch.github.io/t-sne-in-scikit-learn.html
美环花子若野·2021-06-03 23:04

Tensorflow机器学习--图文理解Word2Vec

我们希望词义相近的两个单词，在映射之后依然保持相近，词义很远的单词直接则保持很远的映射距离:如下图所示，这里介绍到了t-SNE方法可以很好的达到效果:关于t-SNE这里推荐一篇文章:http://bindog.github.io
星期五__·2021-05-10 06:55

讲座 | 利用 t-SNE 降维并可视化数据

作者：SirajRaval课堂：TheBestWaytoVisualizeaDatasetEasily|Bilibili|Youtube源码：llSourcell.Visualize_dataset_demo|Github转载：出于篇幅原因，若需要更好索引阅读，请参阅原博文目标：在本次课堂中，将对人类活动识别(HumanActivityRecognition，HAR)数据集进行数据可视化呈现，并进
Kofe_·2021-05-08 15:30

接下来的工作重点

多变量相关分析方法1.1典型相关分析CCA1.2协惯量分析CIA1.3普鲁克分析PA1.4隐空间投影PLS2.非线性降维2.1基于核函数的主成分分析kernel-PCA2.2流形分析2.3t分布随机临近嵌入t-SNE2.4
陈荣昌·2021-04-09 13:16

ROGUE计算cell cluster的纯度

经过传统的降维方式（t-SNE，UMAP）降维聚类后的cellcluster，其每一个cellcluster里面并不会是100%的同一类型的细胞，里面可能含有一些其他类型的细胞也分到同一个cellcluster
小潤澤·2021-03-27 16:56

Diffusion Map在单细胞中的应用

单细胞降维基于单细胞表达矩阵的降维方式有很多，例如UMAP，t-SNE，PCA等，而DiffusionMap是基于非线性的降维模式。
小潤澤·2021-02-09 17:01

acc定义代码 神经网络_【神经网络】自编码聚类算法--DEC (Deep Embedded Clustering)

论文原文链接http://proceedings.mlr.press/v48/xieb16.pdf，论文有感于t-SNE算法的t-分布，先假设初始化K个聚类中心，然后数据距离中心的距离满足t-分布，可以用下面的公式表示
FedAI联邦学习·2021-01-12 17:17

玩牛多年或许也没接触到的 Levi’s Red 重新复活 | 先锋解读·下

在今年Red重新推出完整系列后，Kookies以“牛仔裤的细节体现在Sne
Steppy潮流周志·2021-01-12 00:00

python函数可视化实验收获_Python 数据可视化分析

Python数据可视化分析知识点单变量可视化的常用方法多变量可视化的常用方法t-SNE数据集importwarningsimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassnssns.set
weixin_39980360·2020-12-08 17:16

r语言聚类分析_R语言实现tSNE聚类分析

t-SNE(t-distributedstochasticneighborembedding)是用于降维的一种无监督机器学习算法，由LaurensvanderMaaten和GeoffreyHinton在
weixin_39830200·2020-12-08 07:24

94-非监督学习之t-SNE非线性降维

>library(pacman)>p_load(dplyr,Rtsne,ggplot2)t-SNE：t-distributedstochasticneighborembedding：t分布随机邻域嵌入是一种用于探索高维数据的非线性降维算法
wonphen·2020-11-03 19:41

单细胞RNA系列专题之一：单细胞RNA测序中质控之重要细节 （下篇）

单细胞测序的核心就是t-SNE降维，以及聚类。那么在做这些工作之前的质控，关乎到整个分析的成败。这篇文章我就继续给大家讲讲单细胞质控的那些事儿。单细胞分析整体流程我们先来简单了解一下整个单细
生信阿拉丁·2020-10-10 21:30

t-sne降维处理

fromtimeimporttimeimportnumpyasnpimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3d.axes3dimportAxes3Dfromsklearnimport(manifold,datasets,decomposition,ensemble,lda,random_projection)importpickleimp
高元树一·2020-09-17 05:31

关于多维数据显示的一篇文章

从SNE到t-SNE再到LargeVis原文http://bindog.github.io/blog/2016/06/04/from-sne-to-tsne-to-largevis其实就是把多维数据投影到
ByaAym·2020-09-16 20:59

t-SNE()函数 参数解释

因为百度了很久没有找的对应的资料，可能是打开方式不对吧，所以屯给自己看看顺便分享ohhhhhh并不全面TSNE()参数解释TSNE即t-distributedStochasticNeighborEmbedding.使用方法：tsne=TSNE(perplexity=30,n_components=2,init='pca',n_iter=5000);plot_only=500#只画前500个点#对中
陈杉菜·2020-09-14 20:55

SNE-RoadSeg 自动驾驶可通行区域检测,附代码和数据下载

据此，来自UCSanDiego与HKUST的学者提出一种表面法向估计（SNE）方法，并将其与RGB数据融合提出可通行区域检测算法SNE-RoadSeg，同时作者还建立了大型虚拟数据集，实验证明在多个不同数据集上该算法都取得了最好的精度
OpenCV中文网公众号·2020-09-14 15:52

t-SNE的通俗易懂解释

t-SNE主要是用来对数据降维，它的应用范围很广。为了简单起见，以下是t-SNE将2维数据降到一维的例子。
xieshangxin·2020-09-11 18:51

【神经网络】自编码聚类算法--DEC (Deep Embedded Clustering)

论文原文链接http://proceedings.mlr.press/v48/xieb16.pdf，论文有感于t-SNE算法的t-分布，先假设初始化K个聚类中心，然后数据距离中心的距离满足t-分布，可以用下面的公式表示
weixin_30883271·2020-09-11 04:56

t-SNE数据降维（2维3维）及可视化

于是想到降维可以不用SVD可以用TSNE，就写一下这一块的东西，融合了别人写的二维和三维的可视化）t-SNE全称为t-distributed
小刘同学_·2020-08-22 12:08

python实现样本集划分---kennard-stone算法，T-SNE对所选样本集的绘制

一、Kennard-Stone算法原理Kennard-Stone算法原理：把所有的样本都看作训练集候选样本,依次从中挑选样本进训练集。首先选择欧氏距离最远的两个样本进入训练集，其后通过计算剩下的每一个样品到训练集内每一个已知样品的欧式距离，找到距已选样本最远以及最近的两个样本，并将这两个样本选入训练集，重复上述步骤直到样本数量达到要求。二、Kennard-Stone算法作用Kennard-Ston
梅子山楂酒·2020-08-21 10:47

可视化利器 t-SNE（matlab）——用于高维数据的自动降维和绘图

t-SNE–LaurensvanderMaaten（感谢学术男神们的无私开源）User_guide.pdf（用户指南）1.tsne函数mappedX=tsne(X,labels,no_dims,init_dims
limber0117·2020-08-21 06:39

利用python对简书文章进行文本挖掘【词云/word2vec/LDA/t-SNE】

这是一个快速上手词云/word2vec/LDA/t-SNE的一个小例子，实践之后，可以让大家对这些方法有初步的了解。以下代码在jupyternotebook中测试通过，代码请戳这里。
alicelmx·2020-08-20 06:49

Unsupervised Deep Embedding for Clustering Analysis论文阅读

本篇文章首先的理论思路灵感很大程度上来源于2008年的t-SNE论文——VisualizingDatausingt-SNE，所以今天会结合两篇论文一起进行一个分析。
填2·2020-08-17 02:42

python主题LDA建模和t-SNE可视化

使用潜在Dirichlet分配（LDA）和t-SNE中的可视化进行主题建模。本文中的代码片段仅供您在阅读时更好地理解。有关完整的工作代码，请参阅此回购。
weixin_33923148·2020-08-16 09:37

CannyLab/tsne-cuda with cuda-10.0

t-SNE-CUDABarnes-Hutt-SNEhttps://github.com/CannyLab/tsne-cuda/projects做数据降维时常用到，但计算较慢，所以可用cuda加速用源码编译时
weixin_34315485·2020-08-16 03:54

Django2.+ path配置

What’sne
GonnaZero·2020-08-16 00:51

Migrating your native/mobile application to Unified Plan/WebRTC 1.0 API

(UnifiedPlan)andnewAPIs(RtpTransceiversamongthem)alongwiththeremovalofoldAPIs(AddStreametal.).There’sne
dotphoenix·2020-08-14 13:19

基于 Python 的 11 种经典数据降维算法|t-SNE降维算法

t-SNE降维算法t-SNE也是一种非线性降维算法，非常适用于高维数据降维到2维或者3维进行可视化。它是一种以数据原有的趋势为基础，重建其在低纬度(二维或三维)下数据趋势的无监督机器学习算法。
Luara_lyy·2020-08-13 22:02

降维方法总结（线性与非线性）

文章目录线性映射方法主成分分析(PCA)因子分析流形学习核化线性（KPCA）降维t-SNE多维标度法（MDS）等距离映射(Isomap)局部线性嵌入（LLE）线性映射方法以下方法为基于线性映射处理线性数据的方法
rederchen·2020-08-13 17:06

Python scikit-learn_01 K-Means聚类及PCA/t-SNE降维

importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdfromsklearn.datasetsimportload_irisiris_dataset=load_iris()#内置函数载入iris数据集print("Keysofiris_dataset:\n{}".format(iris_dataset.keys()))#输出对象包含属
TQ_Pro·2020-08-13 12:31

R语言中的PCA实战代码

主成分分析（PCA）和t-SNE，MDS等算法都是数据科学中使用最多的降维算法，也有使用lasso进行降维。本章使用R语言将pca进行演习，具体理论大家查找相关资料即可。
Ron_Lee_sdj·2020-08-13 12:18

Python进行图片t-SNE降维可视化

Python进行图片t-SNE降维可视化数据集IPython代码参考文献数据集https://www.kaggle.com/c/plant-seedlings-classification下载后解压，把
XerCis·2020-08-11 10:24

手把手教你在多种无监督聚类算法实现Python（附代码）

本文简要介绍了多种无监督学习算法的Python实现，包括K均值聚类、层次聚类、t-SNE聚类、DBSCAN聚类。无监督学习是一类用于在数据中寻找模式的机器学习技术。
数据派THU·2020-08-07 18:07

【机器学习】无监督学习：PCA和聚类

对CIFAR-10应用t-SNE可视化技术（L2距离）欢迎来到开放机器学习课程的第七课！在这节课中，我们将讨论主成分分析（PCA）和聚类（clustering）这样的无监督学习方法。
zenRRan·2020-08-01 14:45

MDS算法

非常传统的降维的方法，以距离为标准，将高维坐标中的点投影到低维坐标中，保持彼此之间的相对距离变化最小，更新的方法是T-SNE，基于分布概率变化最小进行投影。
像在吹·2020-08-01 08:00

流形学习

经典流形学习：1、MDS2、ISOMAP3、LLE4、SpecturalEmbeding6、SNE系列MDS是在降维后保持样本之间的相对距离不变，ISOMAP对MDS进行改进，讲相对距离改成了测地线距离
像在吹·2020-08-01 08:00

SNE、TSNE

TSNE是由SNE衍生出的一种算法，SNE最早出现在2002年，它改变了MDS和ISOMAP中基于距离不变的思想，将高维映射到低维的同时，尽量保证相互之间的分布概率不变，SNE将高维和低维中的样本分布都看作高斯分布
像在吹·2020-08-01 08:00

BAT机器学习特征工程工作经验总结(四)如何做特征选择

在特征工程部分，我们构建了一系列位置信息相关的特征、组合特征、成交时间特征、排序特征、类别稀疏特征等，这么多维特征一方面可能会导致维数灾难，另一方面很容易导致过拟合，需要做降维处理，降维方法常用的有如PCA，t-SNE
weixin_bread2008·2020-08-01 05:44

深度学习学习笔记

深度学习学习笔记最近研究一篇论文，使用RNN（recurrenceneuralnetworks）识别二进制代码中函数的方法，考虑到相关的CNN，LSTM，t-SNE，LDA等名词和相关算法一直碰到，避无可避
心情随枫·2020-07-31 16:54

通过SketchRNN、PCA和t-SNE从Google QuickDraw数据集中显示矢量图的潜在空间|附源码

阅读全文本文是作者最近发布的GoogleQuickDraw数据集一系列笔记中的第三部分，使用的最近发布的SketchRNN模型。下面介绍QuickDraw数据集及SketchRNN模型。QuickDraw数据集是由世界各地1500多万人参与的“快速绘画”AI实验后收集数百万幅图画建成，要求参与者在20秒内绘制出属于某个类（例如“猫”）的图像。如下图所示，选择一个类别，可以看见数据库中该类所有的形状
chuhan3075·2020-07-29 17:14

Shell实现自动更新目录名称与文件中版本号信息与时间戳

修改如下样例目录下所有目录的版本号信息与时间戳；修改如下样例文件中的版本号信息与时间戳；样例目录：$findtemplate_patch_dir/template_patch_dir/template_patch_dir/ONIP_SNE_V300R002C80CP1006
hui2702·2020-07-29 05:49

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

PCA：Principlecomponentanalysis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(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征。PCA是无监督的。（其实也可以不降维，比如上面的x1和x2变成了y1和y2，
远行人_Xu·2020-07-28 20:36

keras 网络中t-sne可视化应用

importnumpyasnpimportmatplotlib.pyplotaspltfromkerasimportbackendasKfromsklearnimportmanifoldintermed_tensor_func=K.function([model.layers[0].input],[model.layers[-1].output])intermed_tensor=intermed_
AaronCosmos·2020-07-28 08:42

使用t-SNE可视化的代码记录

importosimportkerasfromkeras.preprocessingimportimagefromkeras.applications.imagenet_utilsimportdecode_predictions,preprocess_inputfromkeras.modelsimportModelmodel=keras.applications.VGG16(weights='im
Allen_David·2020-07-27 22:54

Calculator.NET 2.3发布

关于我为什么要做这个计算器，请见http://www.cnblogs.com/tonyqus/archive/2005/04/14/137792.htmlWhat'sNE
daily0403·2020-07-27 21:00

cs231n可视化(visualization)综述笔记

2.观察权重3.T-SNE(降维)4.遮挡实验5.查看激活值6.反向传播6.1反向传播6.2反卷积可视化6.3Saliencymaps7.梯度增加8.能不能给定一段CNNcode，重建出原始图片？
打酱油QAQ·2020-07-16 05:59

t-分布邻域嵌入算法（t-SNE algorithm）简单理解

这篇文章主要介绍一个有效的数据降维的方法t-SNE.大数据时代，数据量不仅急剧膨胀，数据也变得越来越复杂，数据的维度也随之增加。比如大图片，数据维度指的是像素的数量级，范围从数千到数百万。
lzl1663515011·2020-07-16 03:05

t-SNE(t-distributed stochastic neighbor embedding)

之所以谈及t-SNE，主要是因为在深度学习的测试中需要可视化来分析数据的特点，以便于在分类任务中能够知道相似类别之间是否间隔够小，不同类别之间是否间隔够大。
lanmengyiyu·2020-07-16 01:15
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他