t-sne

python打卡day21

可以考虑对比下在某些特定数据集上t-sne的可视化和pca可视化的区别。

荣582·2025-06-16 02:16

5.11 day17

聚类的流程标准化数据选择合适的算法，根据评估指标调参（）将聚类后的特征添加到原数据中原则t-sne或者pca进行2D或3D可视化KMeans和层次聚类的参数是K值，选完k指标

·2025-06-07 15:17

5.15 day21

知识点回顾：LDA线性判别PCA主成分分析t-sne降维自由作业：探索下什么时候用到降维？降维的主要应用？或者让ai给你出题，群里的同学互相学习下。

AщYΘ·2025-06-07 15:17

09_降维、特征提取与流行学习

另外两种算法：非负矩阵分解（NMF）和t-SNE，前者通常用于特征提取，后者通常用于二维散点图的可视化。

白杆杆红伞伞·2025-06-04 05:03

python学习打卡day21

1.数据可视化高维数据难以直接可视化（如超过3维），通过降维（如PCA、t-SNE、UMAP）投影到2D/3D空间，揭示数据分布、聚类或流形结构。

vijaycc·2025-06-03 05:11

python学习day21

保留数据的局部或全局流形结构（如LLE,Isomap,t-SNE,UMAP）。找到能够有效重构原始数据的紧凑表示（如Autoencoder）。找到统计上独立的成分（如ICA）。典型算法：

一叶知秋秋·2025-06-02 06:56

Python打卡训练营day21——2025.05.10

LDA线性判别PCA主成分分析t-sne降维降维技术的应用场景与主要用途降维技术广泛应用于多个领域，尤其是在数据分析、机器学习和数据可视化中扮演着重要角色。

莱茵菜苗·2025-05-31 12:58

第21天打卡

1.数据可视化高维数据难以直接可视化（如超过3维），通过降维（如PCA、t-SNE、UMAP）投影到2D/3D空间，揭示数据分布、聚类或流形结构。

不爱吃山楂罐头·2025-05-24 19:43

【自学笔记】流形学习

改善机器学习模型的输入流形理论概念惠特尼嵌入定理（WhitneyEmbeddingTheorem）主成分分析（PCA）局部线性嵌入（LLE,LocallyLinearEmbedding）等距映射（Isomap）t-分布邻域嵌入（t-SNE

zyq~·2025-05-21 20:18

Orange3实战教程：无监督---流形学习

流形学习方法选择：•t-SNE•MDS（另见MDS部件）•Isomap•局部线性嵌入（LocallyL

err2008·2025-05-20 08:04

降维算法是什么

常见的降维算法包括主成分分析(PCA)、线性判别分析(LDA)和t-SNE。

Nate Hillick·2025-05-11 23:05

常见的降维算法

可以考虑对比下在某些特定数据集上t-sne的可视化和pca可视化的区别。一、什么时候用到降维？

zx43·2025-05-11 23:02

如何结合PCA、t-SNE/UMAP与聚类算法进行高维数据分析？

如何结合PCA、t-SNE/UMAP与聚类算法进行高维数据分析？在处理高维数据时，如何有效地降维并从中提取有价值的信息，一直是数据分析领域中的一个重要问题。

Teng-Sun·2025-04-25 06:40

结合PCA、t-SNE/UMAP与聚类算法进行高维数据分析

目录结合PCA、t-SNE/UMAP与聚类算法进行高维数据分析1.引言2.高维数据挑战3.降维技术概述3.1主成分分析（PCA）3.2t-SNE3.3UMAP4.聚类算法概述4.1K-Means4.2层次聚类

闲人编程·2025-04-25 06:10

【代码模板】T-SNE 绘图

importmatplotlib.pyplotasplt#绘图fromsklearn.manifoldimportTSNE#降维df_ma=pd.read_excel('PNAS_HCC.xlsx',sheet_name='ma')#标准化df_ma_filtered=(df_ma_filtered-df_ma_filtered.mean())/df_ma_filtered.std()#tsne-

黎鸽鸽·2025-04-16 08:49

【人工智能机器学习基础篇】——深入详解无监督学习之降维：PCA与t-SNE的关键概念与核心原理

深入详解无监督学习之降维：PCA与t-SNE的关键概念与核心原理在当今数据驱动的世界中，数据维度的增多带来了计算复杂性和存储挑战，同时也可能导致模型性能下降，这一现象被称为“维度诅咒”（CurseofDimensionality

猿享天开·2025-03-21 13:25

【机器学习】基于t-SNE数据可视化工程

一、说明t-SNE(t-DistributedStochasticNeighborEmbedding)是一种常用的非线性降维技术。它可以将高维数据映射到一个低维空间（通常是2D或3D）来便于可视化。

无水先生·2025-03-16 04:17

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践数据降维简介降维技术的重要性在数据科学和机器学习领域，数据降维是一种关键的技术，用于减少数据集的维度，同时保留数据的结构和重要信息。

kkchenkx·2025-03-16 04:17

Java中的数据降维技术：如何实现PCA和t-SNE

Java中的数据降维技术：如何实现PCA和t-SNE大家好，我是微赚淘客系统3.0的小编，是个冬天不穿秋裤，天冷也要风度的程序猿！

省赚客app开发者·2024-09-09 08:47

【PyTorch][chapter 16][李宏毅深度学习][Neighbor Embedding][t-SNE]

前言：前面LLE讲了两个点在高维空间距离相近，通过降维后也要保持这种关系但是如果两个点在高维空间距离很远（不属于K邻近）,降维后有可能叠加在一起了.t-SNE(t-DistributedStochasticNeighborEmbedding

明朝百晓生·2024-02-20 07:33

数据处理方法—— 7 种数据降维操作！！

文章目录数据降维1.主成分分析（PCA）2.线性判别分析（LDA）3.t-分布随机邻域嵌入（t-SNE）4.局部线性嵌入（LLE)5.多维缩放（MDS)6.奇异值分解（SVD)7.自动编码器（Autoencoders

JOYCE_Leo16·2024-02-10 06:13

特征工程:特征提取和降维-下

目录一、前言二、正文Ⅰ.流形学习Ⅱ.t-SNEⅢ.多维尺度分析三、结语一、前言通过上篇对线性与非线性的数据的特征提取和降维的学习之后，我们来介绍其他方法，分别有流行学习、多维尺度分析、t-SNE。

林浩杨·2024-02-09 00:31

特征工程:特征提取和降维-上

常用的数据特征提取和降维的方法有主成分分析,核成分分析，流行学习，t-SNE,多维尺度分析等方法。二、正文fromsklearn.d

林浩杨·2024-02-09 00:01

Seurat 单细胞转录组测序数据分析教程（三）——python(scanpy)

本教程探讨了scanpy的可视化可能性，分为三个部分：嵌入的散点图（例如UMAP、t-SNE）使用已知标记基因鉴定簇差异表达基因的可视化在本教程中，我们将使用来自10x的数据集，其中包含来自PBMC的68k

coffeeii·2024-02-07 03:31

StatQuest学习笔记16——t-SNE

前言这一篇笔记是StatQuest系列视频的第46节，它的主要内容是t-SNE，t-SNE是一种对复杂数据的降维分类方法，我最初知道这种方法是在接触质谱流式细胞仪CytoTOF的时候，当时的很多文献对细胞的分类方法都是采用

backup备份·2024-01-29 19:33

【深度学习：t-SNE 】T 分布随机邻域嵌入

【深度学习：t-SNE】T分布随机邻域嵌入降低数据维度的目标什么是PCA和t-SNE，两者有什么区别或相似之处？

jcfszxc·2024-01-28 07:03

机器学习系列15：通过t-SNE可视化高维数据

t-SNE的全称是t-distributedstochasticneighborembedding（t-分布随机领域嵌入），这是一种非线性降维技术。而PCA和LDA是线性的降维技术。

加百力·2024-01-25 22:38

sc-RNA-seq数据分析|| UMAP与t-NSE的区别

UMAP将会与tsne一样作为高纬数据可视化的利器，并且优于tsne.UMAP与t-SNE均是非线性降维，多用于数据可视化UMAP结构与t-SNE一致UMAP计算更快UMAP能更好地反映高纬结构，比t-SNE

周运来就是我·2023-12-25 07:59

t-SNE方法：

使用t-SNE时，除了指定你想要降维的维度（参数n_components），另一个重要的参数是困惑度（Perplexity，参数perplexity）困惑度：困惑度大致表示如何在局部或者全局位面上平衡关注点

白兔1205·2023-12-23 21:13

PyTorch深度学习实战（26）——卷积自编码器(Convolutional Autoencoder)

PyTorch深度学习实战（26）——卷积自编码器0.前言1.卷积自编码器2.使用t-SNE对相似图像进行分组小结系列链接0.前言我们已经学习了自编码器(AutoEncoder)的原理，并使用PyTorch

盼小辉丶·2023-12-21 19:36

t-SNE高维数据可视化实例

t-SNE：高维数据分布可视化实例1：自动生成一个S形状的三维曲线实例1结果：实例1完整代码：importmatplotlib.pyplotaspltfromsklearnimportmanifold,

芒果很芒~·2023-12-18 08:20

机器学习高维数据可视化：t-SNE 降维算法

本文目录t-SNE简介sklearn中的t-SNE使用t-SNE可视化手写数字数据集t-SNE简介t-SNE的全称为t-DistributedStochasticNeighborEmbedding，是一种非线

小嗷犬·2023-12-17 08:41

【机器学习】数据降维

1.2.4等距映射1.2.5t分布随机近邻嵌入1.2.6多维缩放二、示例2.1PCA示例iris数据集2.2局部线性嵌入（LLE）瑞士卷数据降维2.3SwissRoll和Swiss-Hole使用LLE和t-SNE

十年一梦实验室·2023-12-15 13:51

异常检测 | 基于孤立森林(Isolation Forest)的数据异常数据检测（结合t-SNE降维可视化）

异常检测|MATLAB实现基于孤立森林的数据异常检测目录异常检测|MATLAB实现基于孤立森林的数据异常检测效果一览基本介绍程序设计参考资料效果一览基本介绍Matlab实现基于孤立森林(IsolationForest)的数据异常数据检测可视化（完整源码和数据)基于孤立森林(IsolationForest)的数据异常数据检测可视化可直接运行注释清晰~Matlab1.多特征输入，可用于检测异常数据，异

机器学习之心·2023-12-15 00:06

异常检测 | MATLAB实现基于支持向量机和孤立森林的数据异常检测(结合t-SNE降维和DBSCAN聚类)

异常检测|MATLAB实现基于支持向量机和孤立森林的数据异常检测(结合t-SNE降维和DBSCAN聚类)目录异常检测|MATLAB实现基于支持向量机和孤立森林的数据异常检测(结合t-SNE降维和DBSCAN

机器学习之心·2023-12-14 23:15

2022-02-23

48-12#①在做T-SEN聚类时，报错报错信息②然后上CSDN搜索有人遇到过类似问题，并由详细解答[R语言完成t-SNE分析和画图](R语言完成t-SNE分析和画图_小洁忘了怎么分身的博客-CSDN博客

生信小萌神·2023-12-03 22:24

t-SNE降维算法详解（附matlab代码）

t-SNE的主要目标是将多维数据集转换为低维数据集。相对于其他的降维算法，对于数据可视化而言t-SNE的效果最好。

行走的参考文献·2023-11-27 21:47

详细解答T-SNE程序中from sklearn.manifold import TSNE的数据设置，包括输入数据，绘制颜色的参数设置，代码复制可用！！

文章目录前言——TSNE是t-DistributedStochasticNeighborEmbedding的缩写1、可运行的T-SNE程序2.实验结果3、针对上述程序我们详细分析T-SNE的使用方法3.1

小桥流水---人工智能·2023-11-27 03:13

实用篇 | T-SNE可视化工具详情及代码示例

本文主要是为了快速的了解t-sne和如何快速使用！简要了解TSNETSNE，降维方法之一。降维在机器学习中非常重要。这是因为如果使用高维数据创建模型，则很容易欠拟合。

夏天｜여름이다·2023-11-23 08:56

用Python进行无监督学习的几种最热门的聚类算法

本文介绍用Python进行无监督学习的几种聚类算法，包括K-Means聚类、分层聚类、t-SNE聚类、DBSCAN聚类等。无监督学习是机器学习技术中的一类，用于发现数据中的模式。

妄心xyx·2023-11-22 21:08

多标签的T-SNE可视化

t-SNE实现-嶙羽-博客园论文里需要用到t-SNE对特征进行可视化，原理还没细看，但总体思路比较清晰，具体实现网上也有现成的代码。

有梦想的懒羊羊·2023-11-16 22:42

用于语义分割模型的t-SNE可视化

前言在之前的博客t-SNE可视化-Python实现中，对t-SNE的原理进行了一个简单的介绍，也给出了一个简单的使用案例。这篇博客在之前的基础上实现在语义分割模型上的t-SNE可视化。

深山里的小白羊·2023-11-16 22:02

t-SNE降维与pca区别

简而言之，t-SNE为我们提供了数据如何在高维空间中排列的感觉或直觉。它由LaurensvanderMaatens和GeoffreyHinton于2008年开发。

cuisidong1997·2023-11-13 16:03

数据可视化PCA与t-SNE

PCA（主成分分析）和t-SNE（t分布随机近邻嵌入）都是降维技术，可以用于数据的可视化和特征提取。

shadowismine·2023-11-10 16:38

PCA图像降维与重构及异常数据可视化分析Python实战

PCA是一种常用的数据降维方法，本文将介绍如何使用Python实现图像数据的PCA降维和重构，并利用t-SNE进行异常数据可视化分析。

缤纷彩色·2023-10-21 16:09

12、理解与可视化卷积神经网络

目录12.1可视化卷积神经网络学习到的东西12.1.1可视化激活和第一层权重12.1.2找到对神经元有最大激活的图像12.1.3用t-SNE嵌入代码12.1.4遮挡部分图像12.1.5可视化数据梯度及其他文献

qxdx.org·2023-10-07 10:15

流形学习降维code

当我们意识到需要降维时，一般是发现了特征间的高度线性相关，而t-SNE主打的是非线性降维。如果我们发现了线性相关，可能用PCA处理就可以了。

Rover Ramble·2023-09-25 22:26

Single cell genomic day 2019||Dissecting complex systems with multidimensional data

HowtoUseUMAPPCA-tSNE-UMAP从SNE到t-SNE再到UMAP的降维算法进化史（一）12种降维方法终极指南（含Python代码）

周运来就是我·2023-09-20 15:30

【降维打击】T分布随机近邻嵌入（T-SNE）Python实践

近几天看到论文里面有T分布随机近邻嵌入（T-distributedstochasticneighborembedding,T-SNE）这种可视化方法，以前好像也看到过，但没有系统了解过，现有时间正好实践记录一下

风巽·剑染春水·2023-09-20 07:33

scanpy用于单细胞的降维聚类分析

大家好，好久不见，这次跟大家分享一个单细胞降维聚类的新的分析方法scanpy，目前大部多数文章用的单细胞分析均用的Seurat分析包，目前已经更新到了3.0版本，在原有的基础上进行了优化，最大的变化就是在T-SNE

单细胞空间交响乐·2023-09-18 02:25

推荐频道