Python中T-SNE实现降维

最新推荐文章于 2025-10-10 10:50:22 发布

转载最新推荐文章于 2025-10-10 10:50:22 发布 · 4.6k 阅读

Python 专栏收录该内容

81 篇文章

订阅专栏

本文通过使用t-SNE和PCA两种降维方法对Iris花卉数据集进行处理，并将其可视化展示。通过Matplotlib绘制了降维后的二维散点图，直观地比较了两种方法的效果。

from sklearn.manifold import TSNE
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
 
 
iris = load_iris()
X_tsne = TSNE(learning_rate=100).fit_transform(iris.data)
X_pca = PCA().fit_transform(iris.data)
 
plt.figure(figsize=(10, 5))
plt.subplot(121)
plt.scatter(X_tsne[:, 0], X_tsne[:, 1], c=iris.target)
plt.subplot(122)
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=iris.target)

转载自：http://www.cnblogs.com/huadongw/p/4894632.html