利用t-SNE对mnist数据集可视化

使用t-SNE可视化MNIST数据集

最新推荐文章于 2025-10-10 10:50:22 发布

原创

最新推荐文章于 2025-10-10 10:50:22 发布 · 3.4k 阅读

27 ·

CC 4.0 BY-SA版权

文章标签：

#sklearn #python #机器学习

本文通过Python的scikit-learn库中的t-SNE算法，将MNIST数据集的64维特征降至2维，并进行可视化展示。经过约49秒的计算，结果显示不同类别的样本在二维空间中能较好地聚类在一起。

我把所有的过程全写入下面的代码注释中了。
主要流程有：

将mnist数据集的64维转化为2维矩阵向量。（利用scikit-learn库中的TSNE库）

将转化好的矩阵输出到二维空间中即可。

参考了官方的代码：scikit-learn/t-SNE

得到的结果如下图所示：
选择Mnist数据集前100张图片

图1 选择Mnist数据集前100张图片

在这里插入图片描述

图2 用t-SNE可视化Mnist数据集前6种类

大约花了49s的时间，通过可视化发现每个样本降维后相同的类基本可以聚到一起。

代码如下：

# 1.引入数据库，取6种类。
from sklearn.datasets import load_digits

digits = load_digits(n_class=6)
X, y = digits.data, digits.target
n_samples, n_features = X.shape
n_neighbors = 30

# 2.展示100张mnist数据集图片
import matplotlib.pyplot as plt
fig, axs = plt.subplots(nrows=10, ncols=10, figsize=(6, 6))
for idx, ax in enumerate(axs.ravel()):
    ax.imshow(X[idx].reshape((8, 8)), cmap=plt.