T-SNE 第4页

How to Use UMAP

如果您已经熟悉sklearn，您应该能够使用UMAP作为t-SNE和其他降维类的替代品。如果您对sklearn不太熟悉，本教程将引导您了解使用UMAP转换和可视化数据的基础知识。

喝过期的拉菲·2022-06-14 10:07

tsne原理以及代码实现（学习笔记）

.t-SNE介绍2.1SNE（随机邻域嵌入）2.2t-SNE2.3t-SNE的优缺点2.3.1t-SNE优点2.3.2t-SNE的缺点3.代码实现3.1接口参数解释：3.2方法1.t-SNE的基本概念t-SNE

偶尔躺平的咸鱼·2022-05-16 07:36

t-SNE非线性降维

当我们想对高维数据集进行分类，但又不清楚这个数据集有没有很好的可分性（同类之间间隔小、异类之间间隔大）时，可以通过t-SNE将数据投影到2维或3维空间中观察一下：如果在低维空间中具有可分性，则数据是可分的

BryanMX·2022-05-09 18:10

tSNE-python代码实现及使用讲解

在读基于深度学习的机械故障诊断论文时，不免会看到如下所示的t-SNE可视化图，看着比较高级。那这个图又是如何绘制出来的呢？

故障诊断与python学习·2022-04-28 07:48

机器学习笔记 - 什么是t-SNE？

1、t-SNE概述 t-DistributedStochasticNeighborEmbedding(t-SNE)是一种无监督的非线性技术，主要用于数据探索和高维数据的可视化。

bashendixie5·2022-04-27 07:20

t-SNE：最好的降维方法之一

引言本期由来自哈工大的同样热爱科普的潮汐之子为我们带来t-SNE的全方位普及，作者的研究方向为自然语言处理。

斗战胜佛oh·2022-03-30 11:27

拓端tecdat|python主题建模可视化LDA和T-SNE交互式可视化

p=4261原文出处：拓端数据部落公众号使用潜在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，请参阅完整资料。

·2022-03-09 16:13

主成分分析，独立成分分析，+t-SNE 分布随机可视化降维的对比

降低维度：特征越多，本质上意味着可以解释数据集中更多的变化。但是，如果考虑的特征超过了所需的特征，分类器甚至会考虑所有的异常值或者会过拟合数据集。因此，分类器的性能开始下降，而不是上升.我们如何为我们的数据集寻找一个看似最优的维数呢？这就是降维发挥作用的地方了。有一组技术允许我们在不丢失太多信息的情况下，找到高维数据的一种紧凑表示.是否可以有一个更小、更紧凑的表示方法（使用小于mn个特征）来同样好

林丿子轩·2022-03-03 07:15

论文学习笔记-t-SNE-1

t-SNE（t-DistributionStochasticNeighborEmbedding）是在SNE（StochasticNeigh

不忘初心，坚持前行·2022-02-28 07:36

few-shot mini-imagenet实现t-sne可视化

参考#maindata,_=[_.cuda()for_inbatch]#遍历batchdata_support,data_query=data[:p_support],data[p_support:]#[150,3,84,84]labels_support=torch.arange(way).repeat(shot)emb_support=model(data_support)#[150,1600

vieo·2022-02-12 06:09

拓端tecdat：Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集

原文链接：http://tecdat.cn/?p=24376原文出处：拓端数据部落公众号在这篇文章中，我们讨论了基于gensim包来可视化主题模型(LDA)的输出和结果的技术。介绍我们遵循结构化的工作流程，基于潜在狄利克雷分配(LDA)算法构建了一个主题模型。在这篇文章中，我们将使用主题模型，探索多种策略以使用matplotlib绘图有效地可视化结果。我将使用20个新闻组数据集的一部分，因为重点更

拓端研究室·2021-11-21 22:27

Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集

原文链接：http://tecdat.cn/?p=24376在这篇文章中，我们讨论了基于gensim包来可视化主题模型(LDA)的输出和结果的技术。介绍我们遵循结构化的工作流程，基于潜在狄利克雷分配(LDA)算法构建了一个主题模型。在这篇文章中，我们将使用主题模型，探索多种策略以使用matplotlib绘图有效地可视化结果。我将使用20个新闻组数据集的一部分，因为重点更多地放在可视化结果的方法上。

·2021-11-19 16:02

机器学习基础知识点

机器学习基础知识点文章目录机器学习基础知识点监督学习回归线性回归岭回归lasso回归分类k最近邻分类朴素贝叶斯分类logistic回归支持向量机其他随机梯度下降线性判别分析决策树无监督学习聚类k均值分层次聚类谱聚类高斯混合模型降维PCA降维LLE降维MDS和t-SNE

陆嵩·2021-10-24 14:14

Python用T-SNE非线性降维技术拟合和可视化高维数据iris鸢尾花、MNIST 数据

p=24002T-distributedStochasticNeighborEmbedding(T-SNE)是一种可视化高维数据的工具。

·2021-10-18 17:03

Python 机器学习实战 —— 无监督学习（下）

对MDS多维标度法、LLE局部线性嵌入法、Isomap保距映射法、t-SNE分布邻域嵌入算法等ML流形学习模型的基础使用方法进行讲解。本文将对聚类算法进行讲解，聚类算法就是将数据集划分成组的任务，

风尘浪子·2021-08-10 11:00

从Word2vec可视化算法t-SNE谈起

刚好最近经常看一些word2vec的文章，在最后往往看到作者说用t-SNE可视化结果，也即把高维度的数据降维并可视化。

老周算法·2021-06-27 13:26

UMAP:比t-SNE更好的降维算法

论文题目：UMAP:UniformManifoldApproximationandProjectionforDimensionReduction作者：LelandMcInnes；JohnHealy；JamesMelville时间：December7,2018UMAP(UniformManifoldApproximationandProjection)算法是一种创新的降维流形学习算法。Ideas来自

Leona2028·2021-06-24 14:30

14种单细胞测序去批次效应哪家强

杂志上的一篇文章Abenchmarkofbatch-effectcorrectionmethodsforsingle-cellRNAsequencingdata.在文章中作者基于10个人和鼠的dataset，使用t-SNE

科研菌·2021-06-22 19:53

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）

参考教程测试数据具体流程如下：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

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

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

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

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

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

推荐频道

T-SNE