高维数据可视化

tsne

  • n_components 维数 (default: 2)
  • perplexity 邻居个数(default: 30) 2~50
  • early_exaggeration (default: 12) 控制原始空间中集群在低维空间中的紧密程度
  • learning_rate (default: 200.0) 10~1000;如果学习率太高,数据可能看起来像一个“球”,任何一点与其最近的邻居大致相等。 如果学习率太低,大多数点可能会在密集的云中看起来很少,有很少的异常值。
  • n_iter (default: 1000) 迭代次数,至少250
  • n_iter_without_progress (default: 300) 在我们停止之前,最大的可执行次数,250之后开始算
  • min_grad_norm (default: 1e-7) 梯度norm小于这个时,停止迭代
  • metric (default:euclidean,option:precomputed,correlation)距离的度量方法,必须在scipy.spatial.distance.pdist下,或者是.PAIRWISE_DISTANCE_FUNCTIONS中列出的度量标准,默认为“欧几里德”
  • init(default: “random”);‘random’, ‘pca’,PCA初始化不能与预计算的距离一起使用,并且通常比随机初始化更全面地稳定。
  • verbose (default: 0)
  • random_state(default: None)如果int随机种子; 如果没有是the RandomState instance。 请注意,不同的初始化可能会导致成本函数的不同局部最小值。
  • method(default: ‘barnes_hut’)
  • angle (default: 0.5,搭配barnes_hut使用) “角度”是从一个点测量的远距离节点的角度大小(在[3]中称为θ)。 如果这个大小低于’angle’,那么它将被用作其中包含的所有点的汇总节点。 该方法对0.2-0.8范围内的参数变化不太敏感。 角度小于0.2时,计算时间的增加迅速增加,角度越大,误差越大。

  • fit(X[, y]) Fit X into an embedded space.
  • fit_transform(X[, y]) Fit X into an embedded space and return that transformed output.
  • get_params([deep]) Get parameters for this estimator.
  • set_params(**params) Set the parameters of this estimator.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值