t-sne可视化

可视化链接

ts = TSNE(n_components=2, init='pca', random_state=0)
# t-SNE降维
output_test = output_test.cpu().numpy()
reslut = ts.fit_transform(output_test)
# 调用函数，绘制图像
fig = plot_embedding(reslut, labels_all, 't-SNE Embedding of digits')
fig.show()

# 对样本进行预处理并画图
def plot_embedding(data, label, title):
	"""
	:param data:数据集
	:param label:样本标签
	:param title:图像标题
	:return:图像
	"""
	x_min, x_max = np.min(data, 0), np.max(data, 0)
	data = (data - x_min) / (x_max - x_min)		# 对数据进行归一化处理
	fig = plt.figure()		# 创建图形实例
	ax = plt.subplot(111)		# 创建子图
	# 遍历所有样本
	for i in range(data.shape[0]):
        # plt.scatter(data[i, 0], data[i, 1], str(label[i]), color=plt.cm.Set1(label[i] / 10))
		plt.scatter(data[i, 0], data[i, 1], s=10, color=plt.cm.Set1(label[i] / 10))
	plt.xticks()		# 指定坐标的刻度
	plt.yticks()
	plt.title(title, fontsize=14)
	# 返回值
	return fig

# 导入模块
from sklearn import datasets
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt

# 加载数据集
iris_df = datasets.load_iris()

# 定义模型
model = TSNE(learning_rate=100)

# 拟合模型
transformed = model.fit_transform(iris_df.data)

# 绘制2维 t-Sne
x_axis = transformed[:, 0]
y_axis = transformed[:, 1]

plt.scatter(x_axis, y_axis, c=iris_df.target)
plt.show()

作者：景略集智
链接：https://www.zhihu.com/question/23194489/answer/417445965
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。