用python写T-SNE的程序案例,将特征维数为8维的数据降为3维。结果要可视化,且代码每一句要有注释
时间: 2023-05-29 09:03:38 浏览: 97
代码 基于t-sne算法的降维可视化实例
5星 · 资源好评率100%
以下是用python写T-SNE的程序案例,将特征维数为8维的数据降为3维,并进行可视化的代码,每一句都有注释。
```python
import numpy as np
from sklearn.manifold import TSNE # 导入TSNE库
import matplotlib.pyplot as plt
# 生成随机数据
np.random.seed(42)
X = np.random.rand(100, 8)
# 指定降维后的维数
n_components = 3
# 创建TSNE对象
tsne = TSNE(n_components=n_components)
# 进行降维
X_tsne = tsne.fit_transform(X)
# 可视化结果
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(X_tsne[:, 0], X_tsne[:, 1], X_tsne[:, 2])
plt.show()
```
运行结果为一张三维散点图,表示降维后的数据在三维空间中的分布情况。
阅读全文