「ML」 t-SNE
1 了解 t-SNE
附录
A 示例
1. sklearn 版 t-SNE (hellow world)示例
from sklearn.manifold import TSNE
from sklearn.datasets import load_iris,load_digits
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
import os
digits = load_digits()
X_tsne = TSNE(n_components=2,random_state=33).fit_transform(digits.data)
X_pca = PCA(n_components=2).fit_transform(digits.data)
ckpt_dir="images"
if not os.path.exists(ckpt_dir):
os.makedirs(ckpt_dir)
plt.figure(figsize=(10, 5))
plt.subplot(121)
plt.scatter(X_tsne[:, 0], X_tsne[:, 1], c=digits.target,label="t-SNE")
plt.legend()
plt.subplot(122)
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=digits.target,label="PCA")
plt.legend()
plt.savefig('images/digits_tsne-pca.png', dpi=120)
plt.show()
B 推荐资料
- Chrispher. t-SNE完整笔记[EB/OL]. http://www.datakit.cn/blog/2017/02/05/t_sne_full.html. 2017-02-25/2019-01
-28.
原理推导及动画制作; - Laurens van der Maaten. t-SNE. https://lvdmaaten.github.io/tsne/. -/2019-01-28.
各种版本的源码和电子文档; - sklearn Manifold learning. https://scikit-learn.org/stable/modules/manifold.html#manifold.
- https://github.com/oreillymedia/t-SNE-tutorial.
因子分析. https://zh.wikipedia.org/wiki/%E7%B7%9A%E6%80%A7%E5%9B%9E%E6%AD%B8
CCA. https://zh.wikipedia.org/wiki/%E5%85%B8%E5%9E%8B%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90
ICA. https://zh.wikipedia.org/wiki/%E7%8B%AC%E7%AB%8B%E6%88%90%E5%88%86%E5%88%86%E6%9E%90
LDA. https://zh.wikipedia.org/wiki/%E7%B7%9A%E6%80%A7%E5%88%A4%E5%88%A5%E5%88%86%E6%9E%90
PCA. https://zh.wikipedia.org/wiki/%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90
LASSO. https://zh.wikipedia.org/wiki/Lasso%E7%AE%97%E6%B3%95
Comments