可视化利器 t-SNE(matlab)——用于高维数据的自动降维和绘图

1. tsne 函数

mappedX = tsne(X, labels, no_dims, init_dims, perplexity)
  • 最新的matlab(实测的是2017b) 已经集成了 tsne
  • tsne 是无监督降维技术,labels 选项可选;
  • X是由N 个样本组成的二维矩阵,每个样本由 D 维数据构成(N行D列);
  • no_dims 的默认值为 2;(压缩后的维度) 
    • tsne 函数实现,X∈RN×D⇒RN×no_dimesX∈RN×D⇒RN×no_dimes(mappedX)
  • init_dims:注意,在运行 tsne 函数之前,会自动使用 PCA 对数据预处理,将原始样本集的维度降低至 init_dims 维度(默认为 30)。因此用户可以自行设置一下init-dims的数量。或者提前使用matlab中的PCA检测一下哪个维度能够保持你的样本数据的正确率。
  • perplexity:高斯分布的perplexity,默认为 30; 此参数不了解,但是教程中说,越是高密度的样本,其值越大。一般推荐5-50

2.Plot results 输出结果

gscatter(mappedX(:,1), mappedX(:,2), train_labels);

在1中如果最后生成的 init_dims==2即二维数据,则可以利用gscatter画出二维的聚类图。

第一个参数为横坐标,即t-SNE生成的第一列;第二个参数是纵坐标;第三个参数是类型(标签)。

不适用标签时,第三个参数不要写,此时绘制的图形是单色的。

标签的个数要求与元素的个数N相同,标签的类别可以任意多个(m << N),t-SNE会自动为每个标签生成一种颜色。

 

版权声明:本文为转自博主 Zhang's Wikipedia 的原创文章。 https://blog.csdn.net/lanchunhui/article/details/53342899

©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页