介绍
t-sne是一种将高维数据降维的算法,可以降成2维,然后画图显示出来,用来观察高维数据分布。
代码
使用方法,转成ndarray格式,用add_data一点点丢进去,然后调用draw就可以了
import numpy as np
import matplotlib.pyplot as plt
from sklearn import manifold
class TsnePlotter():
'''
t-sne绘图
使用方法:一个一个用add_data添加数据,然后调用draw画图
'''
def __init__(self):
self.class_num = 0 # 类别数量
self.class_name_list = [] # 类别的名字
self.data_list = [] # 数据转为一维的ndarray,存入列表
self.label_list = [] # 存类别的序号
def add_data(self,data,class_name):
"""
添加数据
params:
{
data[ndarray]:数据,添加的每一个数据长度应该一样
class_name[str]:类别的名字
}
"""
self.data_list.append(data.reshape(-1))
if class_name not in self.class_name_list:
self.class_name_list.append(class_name)
self.class_num+=1
self.label_list.append(self.class_name_list.index(class_name))
def draw(self):
"""
画t-sne
"""
tsne = manifold.TSNE(n_components=2, init='pca', random_state=