zoukankan      html  css  js  c++  java
  • SNE降维与可视化

    from sklearn import datasets
    digits = datasets.load_digits(n_class=5)
    X = digits.data
    y = digits.target
    
    from sklearn.manifold import TSNE
    from sklearn.decomposition import PCA
    import matplotlib.pyplot as plt
    
    tsne =TSNE(n_components=2, init='pca', random_state=0)
    '''n_components维度降为2维,init设置embedding的初始化方式,可选random或者pca'''
    X_tsne = tsne.fit_transform(X)
    X_pca = PCA().fit_transform(X)
    
    plt.figure(figsize=(9, 5))
    plt.subplot(121)
    plt.scatter(X_tsne[:, 0], X_tsne[:, 1],c=digits.target,label='X_tsne')
    plt.legend(loc='upper left')
    plt.subplot(122)
    plt.scatter(X_pca[:, 0], X_pca[:, 1], c=digits.target,label='X_pca')
    plt.legend(loc='upper left')
    plt.show()

  • 相关阅读:
    第七周课程总结&实验报告(五)
    2020软件工程作业02
    自我介绍
    2019学期总结
    2019 第二次实验报告
    git 小错误
    12
    2019第十一周作业
    第十周作业
    第九周
  • 原文地址:https://www.cnblogs.com/JueJi-2017/p/7487292.html
Copyright © 2011-2022 走看看