时间:2021-05-22
TSNE降维
降维就是用2维或3维表示多维数据(彼此具有相关性的多个特征数据)的技术,利用降维算法,可以显式地表现数据。(t-SNE)t分布随机邻域嵌入 是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。
python代码
km.py
TSNE.py
# coding=utf-8 from sklearn.manifold import TSNE from pandas.core.frame import DataFrameimport pandas as pd import numpy as np import km as k #用TSNE进行数据降维并展示聚类结果 tsne = TSNE()tsne.fit_transform(k.data_zs) #进行数据降维,并返回结果tsne = pd.DataFrame(tsne.embedding_, index = k.data_zs.index) #转换数据格式 import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 #不同类别用不同颜色和样式绘图d = tsne[k.r[u'聚类类别']== 0] #找出聚类类别为0的数据对应的降维结果plt.plot(d[0], d[1], 'r.')d = tsne[k.r[u'聚类类别'] == 1]plt.plot(d[0], d[1], 'go')#d = tsne[k.r[u'聚类类别'] == 2]#plt.plot(d[0], d[1], 'b*')plt.savefig("data.png")plt.show()数据格式
数据需要用xlsx文件存储,表头名为Id。
执行 TSNE.py即可获得可视化图片。
以上这篇python代码实现TSNE降维数据可视化教程就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
基于python代码的3D地图可视化,供大家参考,具体内容如下介绍使用Python对地图进行3D可视化。以地图为地图,可以在三维空间对轨迹、点进行可视化。库我们
PCA简介主成分分析(PrincipalComponentAnalysis,PCA)是最常用的一种降维方法,通常用于高维数据集的探索与可视化,还可以用作数据压缩
本文实例为大家分享了python实现石头剪刀布的具体代码,供大家参考,具体内容如下老师布置了一个石头剪刀布的作业,要可视化,还是先用代码实现再说可视化的事。环境
Python+matplotlib进行鼠标交互,实现动态标注,数据可视化显示,鼠标划过时画一条竖线并使用标签来显示当前值。Python3.6.5,代码示例:im
数据为何要降维数据降维可以降低模型的计算量并减少模型运行时间、降低噪音变量信息对于模型结果的影响、便于通过可视化方式展示归约后的维度信息并减少数据存储空间。因此