利用支持向量机对六维数据可视化

1、利用t-sne降维可视化，即基于t分布的随机近邻嵌入。
2、从高维空间降低到低维空间的问题：会发生数据拥挤问题，即假如高维空间中有多个点相互等距，而二维空间中最多只有3个点等距，这样降维肯定不会保证距离的保留。同时会发现在高维空间中的均匀分布的点其距离也不是很均匀，所以需要解决该问题，才能使类与类之间分开。
解决：在高维空间中较近的点在低维空间中将会更近，而较远的点将会更远，这样就能有效缓解拥挤问题https://zhuanlan.zhihu.com/p/47773001。
t-sne python代码：https://github.com/Ph0en1xGSeek/Machine_Learning/blob/master/tsne_python/tsne_python/tsne.py

兄弟们，我去实现去了，等着我掉坑的消息吧
一、
1)去掉数据中的括号‘{}’。
str1={{5,6,2,3,5,6,},{2,5,9,6,4,8,}}
str2=(’{}’)
data_s1 = str1
delete_s2 = str2
date = data_s1.replace(’{}’, ‘’)
print(data)
在使用replace替换的时候遇到问题，TypeError：unhashable type：set

兄弟们，这个问题应该是和数据类型有关，不应该呀，python数据结构中也有字符串吧，
Python3 中有六个标准的数据类型：

Number（数字）
String（字符串）
List（列表）
Tuple（元组）
Set（集合）
Dictionary（字典）
你看，这是有字符串的，难道是使用字符串需要包含哪个库么？？
字符串的定义方式 “” 噗哈哈哈哈，萌新的尴尬。
2)但是没有替代成功？？
输出依旧是{{5,6,2,3,5,6,},{2,5,9,6,4,8,}}？？
瓦为啥到我这就不灵了。。。。？？？

。。。{}不算字符串么？？掀桌子！！！
print (re.sub(’[{}]’ , ‘’ , str1)) done

3）将去掉括号的数据，和标签相对应，组成svm需要的数据集

好吧，还是excel好用。
二、数据制作完成后，使用sklearn中的多分类进行训练，得到结果。
利用sklearn中的结果报告，结果参数中有precision，recall，f1-scare，support几个评价参数。

问题：在进行可视化的过程中，经过降维，得到了一个二维数据，然后和原数据的标签放到一起，构成了shape是（170，3）的numpy数组，现在需要根据数组的第三行来判断，每个点涂成的颜色。
1）提取点
2）判断点