TSNE降维与可视化

最新推荐文章于 2025-05-17 09:32:27 发布

原创

最新推荐文章于 2025-05-17 09:32:27 发布 · 1.7k 阅读

6 ·

CC 4.0 BY-SA版权

t-SNE是一种强大的降维方法，它将高维数据转化为二维空间，同时兼顾局部和全局相似度，使得数据簇内分布均匀，边界清晰，尤其适合数据可视化。在深度学习中，t-SNE也可用于解析模型输出。了解更多信息可参考相关教程：t-SNE实践——sklearn教程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TSNE是一种降维与可视化技术，可以将数据点之间的相似度转换为概率。在原空间（高维空间）中转化为基于高斯分布的概率；在嵌入空间（二维空间）中转化为基于t分布的概率。这使得t-SNE不仅可以关注局部（SNE只关注相邻点之间的相似度映射而忽略了全局之间的相似度映射，使得可视化后的边界不明显），还关注全局，使可视化效果更好（簇内不会过于集中，簇间边界明显）。也可以应用于深度学习中，将最后一层得到的输出进行TSNE降维。

有兴趣的朋友可以看这篇博客：t-SNE实践——sklearn教程

https://blog.csdn.net/hustqb/article/details/80628721



"""t-SNE对手写数字进行可视化"""
import numpy as np
from sklearn.manifold import TSNE

from time import time
import matplotlib.pyplot as plt
from sklearn import datasets

def get_data():
    digits = datasets.load_digits(n_class=6)
    data = digits.data                          # (1083,64)
    label = digits.target                       # (1083,)
    n_samples, n_features = data.shape
    return data, label, n_samples, n_features


def plot_embedding(data, label, title):
    data = (data - data.min()) / (data.max() - data.min()) # 数据归一化
    fig = plt.figure()
    ax = plt.subplot(111)