降维算法系列代码-03（基于t分布邻域嵌入算法T-SNE的分类数据降维可视化模型）

一、作品详细简介

1.1附件文件夹程序代码截图

全部完整源代码，请在个人首页置顶文章查看：

学行库小秘_CSDN博客​编辑https://blog.csdn.net/weixin_47760707?spm=1000.2115.3001.5343

1.2代码文件说明

1.2.1 main.m主函数文件

       代码的主要功能是读取数据集，进行数据处理和降维，并最终对数据进行可视化。下面是对每部分代码的解释：

1. 读取数据

• 使用 xlsread 函数从 Excel 文件 '数据集.xlsx' 中读取数据，并将其存储在 res 变量中。

2. 参数设置

• Tag 设置为 1，表示数据集中包含标签。
• M 获取数据集中的样本数，使用 size 函数得到 res 的行数，即样本的数量。

3. 划分特征与标签

• 根据 Tag 值决定是否有标签：
  • 如果 Tag == 1，则从数据集中划分特征和标签：P_train 包含除最后一列以外的所有列（输入特征），T_train 是最后一列（标签）。
  • 如果 Tag == 0，表示数据没有标签，所有数据作为特征，标签用全1向量代替。

4. 数据归一化

• 使用 mapminmax 函数将输入特征 P_train 进行归一化处理，将数据缩放到 [0, 1] 范围内，得到归一化后的 p_train。

5. 矩阵转置

• 将归一化后的特征数据p_train转置，准备下一步的降维处理。

6. 降维

• 设置降维维度 k = 4。
• 使用 t-SNE（t-Distributed Stochastic Neighbor Embedding）算法对 p_train 数据进行降维，降到 k 个维度，结果存储在 zes 中。

7. 绘制可视化结果

• 使用 gscatter 函数将降维后的前两个维度（zes(:, 1) 和 zes(:, 2)）进行散点图可视化，并根据 T_train 标签对数据进行分类着色。
• 设置 x 轴和 y 轴标签，以及图表的标题。
• 使用 grid 函数显示网格线。

总结

       此代码首先从 Excel 文件中读取数据，划分特征与标签，并进行归一化处理。随后使用 t-SNE 算法将高维数据降至 4 维（前两维用于可视化），最后根据标签绘制降维后的二维数据的可视化结果。

图2  main.m主函数文件部分代码

1.2.4 数据集文件

       数据集为Excel数据csv格式或.xlsx格式文件，可以方便地直接替换为自己的数据运行程序。原始数据文件包含12列特征列数据和1列输出标签列数据，一共包含357条样本数据，具体如图所示。

二、代码运行结果展示

       该基于t分布邻域嵌入算法(T-SNE)的分类数据降维可视化模型代码首先从 Excel 文件中读取数据，划分特征和标签，并对特征数据进行归一化处理。然后使用 t-SNE 算法将高维特征降维至指定维数4维，并通过二维散点图对前两维进行可视化，展示降维后的数据分布，依据标签进行分类着色，最终生成数据特征的可视化结果。

三、注意事项:
1.程序运行软件推荐Matlab 2018B版本及以上；

2.所有程序都经过验证，保证程序可以运行。此外程序包含简要注释，便于理解。

3.代码包含详细的文件说明，以及对每个程序文件的功能注释，说明详细清楚。

4.Excel数据，可直接修改数据，替换数据后直接运行即可。

5.如果不会运行，可以帮忙远程运行原始程序以及讲解和其它售后。