解决sklearn中tsne算法降维结果不一致的问题

背景

        最近在做一个文本聚类的分析，在对文本数据embedding后，想着看下数据的分布，于是用sklearn的TSNE算法来降维embedding后的数据结果。当在多次执行后，竟发现TSNE的结果竟然变了，而且每次都不一样。

        主要的逻辑就是用的下面两行函数：

tsne = TSNE(n_components=2)
decomposition_data = tsne.fit_transform(embeddings)

解决流程

        之前只是在网上随便找了个做TSNE的博客，粘了这两行代码就跑结果了，出现了这个问题后，决定还是得好好看看sklearn中的官方文档。官网链接：https://scikit-learn.org/0.16/modules/generated/sklearn.manifold.TSNE.html

        sklearn的相关参数说明如下图所示：

        有一个参数，"random_state", 我用红框标出了。TSNE在运算的时候，会初始化一个随机的种子点，如果没有指定该参数的话，默认该参数为None，同时会使用mumpy.random随机生成一个数作为种子点。这也是导致每次生成的TSE降维结果都是不一致的原因。

        所以后面的解决方案就很简单了。将random_states随便赋予一个固定值就好了。我这次就把random_state设置成了0了，将上述代码改为：

tsne = TSNE(n_components=2, random_state=0)
decomposition_data = tsne.fit_transform(embeddings)

        问题解决。

参考资料

1.sklearn.manifold.TSNE — scikit-learn 0.16.1 documentation