python实现TSNE检验 TSNE降维代码

python如何实现TSNE检验并绘图

一般而言TSNE就是一种数据可视化的工具，能够将高维数据降到2-3维（降维），然后画成图。现在也有蛮多可以直接使用的套件，如sklearn.manifold（具体可看：Sklearn TSNE官网）。

代码实现

import numpy as np
import pandas as pd
from sklearn import preprocessing
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt

x_tsne = TSNE(n_components=2, learning_rate=100, random_state=501).fit_transform(x_train)  # 降至2维

解释：
n_components=2, 降至的维数（一般为2）
learning_rate=100, 学习率
random_state=501，随机种子
fit_transform(x_train)， 要降维的数据

代码以及画图

import numpy as np
import pandas as pd
from sklearn import preprocessing
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt


def plt_tsne(x_train, y_train, name):
    x_train = np.array(pd.read_csv(x_train,index_col=None,header=None))
    y_ = np.array(pd.read_csv(y_train, index_col=None, header=None))
    x_tsne = TSNE(n_components=2, learning_rate=100, random_state=501).fit_transform(x_train)

    plt.figure(figsize=(6, 6))
    r = 2  # 4ls

    area = np.pi * r ** 2  # 点面积

    plt.scatter(x_tsne[y_ == 0, 0], x_tsne[y_ == 0, 1], s=area, c='g', alpha=0.4, label='m5C')
    plt.scatter(x_tsne[y_ == 1, 0], x_tsne[y_ == 1, 1], s=area, c='b', alpha=0.4, label='non m5C')
    plt.legend()
    plt.savefig(name)

    return plt


if __name__ == '__main__':
	x = pd.read_csv('...')
	y = pd.read_csv('...')
	title = 'my_title'
    plt_tsne(x, y, title)

效果展示

图片来源：https://blog.csdn.net/qq_45714906/article/details/118568358