TSNE数据降维学习【转载】

转自:https://blog.csdn.net/u012162613/article/details/45920827

https://www.jianshu.com/p/d6e7083d7d61

1.思想

t-SNE(t-distributed stochastic neighbor embedding)是用于降维的一种机器学习算法，是由 Laurens van der Maaten 和 Geoffrey Hinton在08年提出来。

此外，t-SNE 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，进行可视化。

2.例1——鸢尾花数据集降维

# _*_ coding:utf-8 -*-
from sklearn.manifold import TSNE
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt

class data():
    def __init__(self, data, target):
        self.data = data
        self.target = target

# 加载数据集
iris = load_iris()
# 共有150个例子， 数据的类型是numpy.ndarray
print(iris.data.shape)
# 对应的标签有0,1,2三种
print(iris.target.shape)
# 使用TSNE进行降维处理。从4维降至2维。
tsne = TSNE(n_components=2, learning_rate=100).fit_transform(iris.data)
# 使用PCA 进行降维处理
pca = PCA().fit_transform(iris.data)
# 设置画布的大小
plt.figure(figsize=(12, 6))
plt.subplot(121)
plt.scatter(tsne[:, 0], tsne[:, 1], c=iris.target)
plt.subplot(122)
plt.scatter(pca[:, 0], pca[:, 1], c=iris.target)
plt.colorbar()#使用这一句就可以分辨出，颜色对应的类了！神奇啊。
plt.show()

 对tsne得到的结果查看，第0维，第1维：

对PCA结果进行查看：

结果：

尝试使用Seaborn画图，需要先构造数据框：

import seaborn as sns
import pandas as pd
df=pd.DataFrame(tsne,columns=['x1','x2'])
df['t']=iris.target
df.head()

sns.lmplot(x="x1",y="x2",hue="t",data=df,fit_reg=False)
plt.grid(True)

3.例2——MINISET数据集

digits = datasets.load_digits(n_class=5)
X = digits.data
y = digits.target
print X.shape
n_img_per_row = 20
img = np.zeros((10 * n_img_per_row, 10 * n_img_per_row))
for i in range(n_img_per_row):
    ix = 10 * i + 1
    for j in range(n_img_per_row):
        iy = 10 * j + 1
        img[ix:ix + 8, iy:iy + 8] = X[i * n_img_per_row + j].reshape((8, 8))

#取前400个,按行放置
#img中会有0、10、20列这些没有，是为了形成空列吧。

plt.imshow(img, cmap=plt.cm.binary)#cmap: 颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。
plt.title('A selection from the 64-dimensional digits dataset')

 

import time#需导入包
tsne = TSNE(n_components=3, init='pca', random_state=0)
t0 = time
X_tsne = tsne.fit_transform(X)
plot_embedding2D(X_tsne[:,0:2],"t-SNE 2D")
plot_embedding3D(X_tsne,"t-SNE 3D (time %.2fs)" %(time - t0))

 

//最终画图的代码， 没有运行起来，不太会。

 博主给的结果：

我使用散点图画出的二维结果：

plt.scatter(X_tsne[:,0],X_tsne[:,1],c=Y)
plt.colorbar()

转载于:https://www.cnblogs.com/BlueBlueSea/p/10292357.html