tsne 第2页

使用 k-means 聚类算法对多维属性数据进行分类

O_tongwandou/article/details/81952264k-means高维聚类：https://www.cnblogs.com/icydengyw/p/13591990.htmlpython代码实现TSNE

dataloading·2023-01-07 11:19

17_2Representation Learning and Generative Learning Deep Convolutional_Progressive Growing Style GAN

17_RepresentationTying权重CNNRNNdenoisingSparseAutoencoder_潜在loss_accuracy_TSNE_KLDivergence_L1_hasingAutoencoders

LIQING LIN·2023-01-06 11:43

【Gensim + TSNE使用】word2vec词向量处理中文小说（词嵌入、高维数据降维）

【Gensim+TSNE使用】word2vec词向量处理中文小说本文使用Gensim对小说斗破苍穹进行词嵌入可视化流程数据预处理，将小说数据滤除停止词，分词book_loader()。

FUTUREEEEEE·2023-01-05 10:51

基于 Python 的 11 种经典数据降维算法！你会几种呢？

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取(数据降维)算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果;非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴

爬遍天下无敌手·2022-12-30 05:02

kaggle学习笔记-otto-baseline6-使用 RAPIDS TSNE 和项目矩阵分解可视化用户行为

如果我们将嵌入投影到2D平面（使用TSNE、UMAP、PCA等）并绘制它们，我们可以看到类似项目的集群。然后一个集群可能是服装，另一个集群可能是电子产品等。

丰。。·2022-12-29 17:48

常见的PCA、tSNE、UMAP降维及聚类基本原理及代码实例

降维目的-方法概述1.PCA（主成分分析）1.1PCA概念1.2PCA代码实例2.tSNE2.1tSNE概念2.2tSNE代码实例3.UMAP3.1UMAP概念3.2UMAP代码实例4.其他降维方法4.1NMDS4.2

爱做饭的电饭煲·2022-12-28 20:43

【可视化】【t-SNE】实例

t-SNE实例什么是TSNE？TSNE是由T和SNE组成，T分布和随机近邻嵌入(StochasticneighborEmbedding).TSNE是一种可视化工具，将高位数据降到2-3维，然后画成图。

叩钉吧zz·2022-12-27 03:06

sklearn画t-SNE图

importnumpyasnpimportmatplotlib.pyplotaspltimportjsonfromsklearnimportmanifolddefdraw_tsne(emb_filename

weixin_43065256·2022-12-27 03:31

机器学习：kmeans可视化

接着上回的工作，对kmeans的结果进行可视化，搜索了一波，普遍认为tsne能够将高维数据降到低维（2,3维），这样可视化之后，就能观察发现该组数据是否可以聚类我这边，已经聚类过了，用tsne降维可视化一下参考了这位小伙伴的博客

skyFish*·2022-12-26 21:52

Pca，Kpca，TSNE降维非线性数据的效果展示与理论解释

Pca，Kpca，TSNE降维非线性数据的效果展示与理论解释前言一：几类降维技术的介绍二：主要介绍Kpca的实现步骤三：实验结果四：总结前言本文主要介绍运用机器学习中常见的降维技术对数据提取主成分后并观察降维效果

月~时光之笛·2022-12-18 10:50

用seaborn画tsne，并指定形状、形状颜色与标记内容

1.如何用seaborn画tsne？

power_kaikaige·2022-12-16 13:05

ggplot去掉背景网格线和更改为白色背景

，存储为pptx，即为可编辑模式需求如题所示，更改背景颜色灰色为白色，以及去掉网格线代码#AD数据+标签pwd="E:\\画图\\python\\"setwd(pwd)file="ad_random_tsne.csv"data

愿航·2022-12-16 11:46

python-科研绘图系列（5）-用TSNE降维并可视化

1.用TSNE降维importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportmanifoldimportpickleimporttimeimportpandasaspddefvisual

好人就是拉风·2022-12-16 08:33

TSNE可视化自己的数据（或者叫做聚类）

刹那间又到7月份了，之前弄一些代码，添加点东西，或者增加点数据处理之类的算法都是为了水一篇核心期刊，然而现在的中文期刊并没有之前好中了，神经网络也不是加加减减卷积层，添加一下残差，或者A+B的方式等等随随便便就出论文了。随着社会的发展，各个期刊都已经开始注重来稿的创新型。以本人某次被拒稿的经历说明一下：就是用已经有的东西互相结合是不行滴，很难中一篇核心的。不管怎么说，研究生多么内卷，能狗一篇水刊顺

qq_45714906·2022-12-14 19:34

t-SNE(降维)可视化 (sklearn.manifold.TSNE)(sklearn digits手写数据集)

t-SNE和PCA一样，都是一种降维方法，是最好的降维方法之一t-SNE是一种集降维与可视化于一体的技术，它是基于SNE可视化的改进，解决了SNE在可视化后样本分布拥挤、边界不明显的特点，是目前最好的降维可视化手段。sklearn.manifold.TSNEfromtimeimporttimeimportnumpyasnpimportmatplotlib.pyplotaspltfrommatplo

hxxjxw·2022-12-14 19:01

利用t-SNE对mnist数据集可视化

（利用scikit-learn库中的TSNE库）将转化好的矩阵输出到二维空间中即可。

爱学习的大白菜·2022-12-14 18:31

【t-SNE可视化-代码】

本博客主要是自己学习记录，参考网络，欢迎指正代码整体代码`get_data()``get_mydata()``TSNE()`参数`matplotlib.pyplot.scatter()`中颜色问题代码整体代码

a5_b6c7·2022-12-14 18:30

利用t-SNE可视化自己的数据集分布

注意几点：1、使用代码之前需要先安装一个t-SNE的库，地址是GitHub-CannyLab/tsne-cuda:GPUAcceleratedt-SNE

Nudge636·2022-12-14 18:29

哈工大硕士生用Python实现了11种数据降维算法，代码已开源！

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取（数据降维）算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果；非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴

醒戏·2022-12-13 20:55

python pca降维_哈工大硕士实现了 11 种经典数据降维算法，源代码库已开放

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取(数据降维)算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果；非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴

weixin_39714383·2022-12-13 20:21

11 种数据降维算法，代码已开源！

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取（数据降维）算法，包括：PCA、LDA、MDS、LLE、TSNE等

程序员大咖·2022-12-13 20:42

特征降维方法

关于降维的学习主要分为五类：PCA、LDA、LLE、tSNE、ISOMAP（一）降维的基本知识点总结1、降维方法分为线性和非线性降维，非线性降维又分为基于核函数和基于特征值的方法。

云仄·2022-12-07 02:25

tensorboard 数据降维分布图_TSNE如何画出多维数据分布图

论文中一般都会有数据分布的图，很直观的可以看出迁移过程中分类面的改变。那么这种图是怎么画的呢？很容易想到就是降维(PCA等)了。这里使用更高效的T-SNE流行学习法。如果你想深究，可以看看这个博主的教程写得非常详细，还有其他降维方法。如果你想学我这样大概了解一下就行了，那就可以跳过。怎么才能简单画出二维分布图呢？(三维一样的道理，不过稍微复杂点)我这里以pytorch自带的MNIST和SVHN数据

宇哥讲电影·2022-12-04 21:09

TSNE画图

TSNE画图2D图fromsklearn.manifoldimportTSNEimportmatplotlib.pyplotaspltimportnumpyasnp#10条数据，每条数据6维h=np.random.randn

cici_iii·2022-12-04 21:09

卷积层TSNE可视化

很多小伙伴经常问，怎么把卷积层的输出提取出来，然后画曲线、可视化、连接到其他网络等等问题，由于本人使用的是基于keras和tensorflow框架的Spyder软件编写的代码，因此对别的软件怎么输出参数不清楚，单说spyder，往往经过卷积层后提取到的特征形式是：样本数量×特征长度×特征维度，因此即使输出来也是很操蛋的就一个样本长度为特征长度而且仅仅第一个维度的数据。使用这些数据去绘图很难，因为输

让我顺利毕业吧·2022-12-04 21:08

TSNE绘制降维图

label有7种logits是预测的结果，1000个7维矩阵现在用TSNE降维图可视化fromsklearn.manifoldimportTSNEtsne=TSNE()out=tsne.fit_transform

F_aF_a·2022-12-04 21:07

详解 sklearn 中 TSNE可视化

详解sklearn中TSNE可视化数据降维与可视化——t-SNETSNE的参数函数参数表：返回对象的属性表：优化t-SNEBarnes-Hutt-SNE实例HelloWorldS曲线的降维与可视化手写数字的降维可视化数据降维与可视化

Avery123123·2022-12-04 21:37

基于 Python 的 11 种经典数据降维算法

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取(数据降维)算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果;非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴

小白学视觉·2022-12-03 06:58

基于聚类的离群点检测（sklearn实现）

目录前言一、对Iris数据集应用kmeans聚类方法进行离群点检测，并分别采用tsne、MDS、Isomap和PCA降维将原数据降到2维并在新数据中标出离群点1.1数据准备1.2离群点检测1.3在降维后的数据上显示离群点二

卡拉比丘流形·2022-11-30 19:26

堆叠式自动编码器+TSNE在Fashion MNIST上进行降维

使用Keras实现堆叠式自动编码器，具体包含一个输入层3个隐藏层和一个输出层，在编码器中对数据集进行编码，解码器中对数据集进行重构，中途实现原始图像和重构后图像的可视化对比。最后实现对数据集的深层次降维，作用是对于一般的降维算法在处理大型数据集时（例如图像），无法进行有效降维，可以借助自动编码器先降低一定维度，再结合普通降维算法进一步降维即可。结果展示：importtensorflowastffr

W_seventeen·2022-11-29 09:02

生信入门（六）——单细胞分析（Seurat）

标准预处理1、QC和选择细胞进行进一步分析2、规范化数据3、识别高度可变的特征（特征选择）4、缩放数据三、主成分分析（PCA）1、线性降维2、确定数据集的“维度”四、聚类细胞五、非线性降维（UMAP/tSNE

柚子味的羊·2022-11-28 20:17

（DataWhale）图神经网络Task03：基于图神经网络GCN/GAT的节点表征与分类

文章目录Cora数据集的准备与分析TSNE可视化节点表征分布图节点分类模型实现与对比（MLPvs.GCNvs.GAT）MLP分类模型GCN分类模型GAT分类模型结果比较与分析参考Cora数据集的准备与分析

misite_J·2022-11-28 07:44

处理无标签数据的套路：T-SNE与k-means++代码简单实现

思路：我们可以先随机选取簇的值，将无标签的数据进行聚类，然后在通过Tsne可视化检验其聚类效果。也可以将原数据先进行TSNE降维可视化，看一下降维后的数据分布。根据实际情况设定簇的值

特兰克斯行·2022-11-26 13:32

TSNE—聚类结果可视化

文章目录一、TSNE参数解析二、案例 TSNE的定位是高维数据可视化。对于聚类来说，输入的特征维数是高维的(大于三维)，一般难以直接以原特征对聚类结果进行展示。

哎呦-_-不错·2022-11-26 12:14

K-means聚类算法

目录简介对距离的度量及SSE问题及如何避免k-means示例k值选取肘方法可视化方法TSNE雷达图总结一些对K-means聚类算法的理解。

nuonuopan8·2022-11-26 12:13

TSNE实现降维及可视化

降维使用TSNE进行降维操作，该函数的输入是flatten之后的特征，即[batch,维度]。

CtrlZ1·2022-11-23 12:52

TSNE数据降维

1、TSNE的基本概念2、例1鸢尾花数据集降维3、例2MINISET数据集降维1、TSNE的基本概念t-SNE(t-distributedstochasticneighborembedding)是用于降维的一种机器学习算法

haoji007·2022-11-23 12:17

PYG教程【四】Node2Vec节点分类及其可视化

整个过程包含四个步骤：导入图数据（这里以Cora为例）创建Node2Vec模型训练和测试数据TSNE降维后可视化Node2vec方法的参数如下：edge_index(LongTensor)：邻接矩阵embedding_dim

vincent_hahaha·2022-11-22 12:44

单细胞聚类方法

kmeans(t(data),centers=9)adjustedRandIndex(res$cluster,meta$label)plot(res$centers,col=topo.colors(4))tsne_out

eynoZzzzc·2022-11-21 15:25

【机器学习】UMAP：强大的可视化&降维工具

作者：杰少UMAP：强大的可视化&异常检测工具简介数据降维最为重要的是降低数据的维度的同时尽可能保有大量的原始信息，而其中最为大家熟知的是PCA和tSNE，但是这二者都存在一些问题，PCA的速度相对很快

风度78·2022-11-20 09:10

基于卷积神经网络故障诊断模型的 t-SNE特征可视化

基于卷积神经网络故障诊断模型的t-SNE特征可视化1.t-sne可视化基本概念2.sklearn.manifold.TSNE函数的参数说明3.基于tensorflow2卷积网络t-SNE特征可视化参考1

cnjs1994·2022-11-14 19:46

哈工大硕士生实现11种数据降维算法，代码已开源！

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取（数据降维）算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果；非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴

Github中文社区·2022-10-30 02:07

R语言---PCA/tSNE/UMAP降维计算

R语言---PCA/tSNE/UMAP降维计算1.PCA计算(1)princomp函数(2)prcomp函数2.tSNE计算（1）使用Rtsne包（2）使用tsne包3.UMAP计算4.总结目前，需要将不同材料的基因型数据降维

我是大南瓜·2022-09-18 19:00

Seurat重要命令汇总

essential_commands.html⚠️⚠️1.Seurat标准工作流程读入数据->构建Seurat对象->归一化->寻找特征基因->标准化->PCA降维->计算KNN最近邻->分群->非线性降维UMAP和TSNE

Hayley笔记·2022-07-01 10:47

轨迹分析_Scanpy进行单细胞分析及发育轨迹推断

分享是一种态度最近看文献，发现越来越多的单细胞测序使用scanpy进行轨迹推断，可能因为scanpy可以在整体umap或者Tsne基础上绘制细胞发育路径，图片也更加美观，但是Scanpy是基于python

颜不良文丑·2022-06-12 19:04

轻松入门自然语言处理系列专题4 词向量的使用及评估

文章目录前言一、GloVe向量的使用二、词向量可视化1.构建词组2.PCA降维3.TSNE降维三、使用预训练语言模型生成句子向量总结前言本文主要介绍了词向量的使用及评估，包含GloVe向量的使用、词向量可视化和使用预训练语言模型生成句子向量

cutercorley·2022-05-29 07:33

利用ggplot2画发文章级别的TSNE图

我们一般用R语言画出来的TSNE图是这样的，但是如果要发文章的话，一般是需要再美化一下的，这是一般的图：image.png好了，话不多话，今天来教大家如何进行修改。

沉迷工作的我·2022-05-21 21:37

tsne原理以及代码实现（学习笔记）

文章目录1.t-SNE的基本概念2.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(t-distributedstochasticneighborembedding)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，并进行可视化

偶尔躺平的咸鱼·2022-05-16 07:36

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？本文将通过mnist手写数据集来实现t-SNE代码实现#coding='utf-8'"""t-SNE对手写数字进行可视化"""fromtimeimporttimeimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimpo

故障诊断与python学习·2022-04-28 07:48

【机器学习基础】无监督学习（2）——降维之LLE和TSNE

在上一节介绍了一种最常见的降维方法PCA，本节介绍另一种降维方法LLE，本来打算对于其他降维算法一并进行一个简介，不过既然看到这里了，就对这些算法做一个相对详细的学习吧。0.流形学习简介在前面PCA中说到，PCA是一种无法将数据进行拉直，当直接对于曲面进行降维后，导致数据的重叠，难以区分，如下图所示：这是因为在使用PCA降维时，PCA仅仅关注于保持降维后的方差最大，没有考虑样本的局部特征，如图所示

Uniqe·2022-03-21 22:00

推荐频道

tsne