tsne降维3d可视化

TSNE（t-Distributed Stochastic Neighbor Embedding）是一种降维算法，用于将高维数据降到低维空间内（通常是2维或3维），同时尽可能地保留原始数据的特征。在降维后可以使用可视化工具展示数据的分布情况。

对于3D可视化，可以使用Python中的Matplotlib和mpl_toolkits.mplot3d库来绘制，示例代码如下：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn.manifold import TSNE
import numpy as np

# 生成随机数据
data = np.random.rand(100, 10) 

# 将数据降到3维
tsne = TSNE(n_components=3, random_state=0)
data_3d = tsne.fit_transform(data)

# 绘制3D图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(data_3d[:,0], data_3d[:,1], data_3d[:,2], c='r', marker='o')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()

在这个示例代码中，我们首先使用NumPy生成100个10维的随机数据。然后使用TSNE将数据降到3维。最后使用Matplotlib和mpl_toolkits.mplot3d库绘制3D图，其中ax.scatter()函数用于绘制散点图。