如何用tsne进行可视化，请写出代码

TSNE是一种非常流行的降维算法，可以将高维数据降至2维或3维，方便进行可视化。以下是一个使用Python的Scikit-learn库进行TSNE可视化的示例代码：

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

# 生成一些随机数据
X = np.random.rand(100, 50)

# 进行TSNE降维
tsne = TSNE(n_components=2, perplexity=30.0, early_exaggeration=12.0)
X_tsne = tsne.fit_transform(X)

# 绘制散点图
plt.scatter(X_tsne[:, 0], X_tsne[:, 1])
plt.show()

在上面的代码中，我们首先生成了一个100x50的随机数据矩阵X，然后使用TSNE进行降维，将数据降至2维。最后，我们使用Matplotlib库绘制了一个散点图，其中X轴和Y轴分别对应于TSNE降维后的第一维和第二维数据。

需要注意的是，TSNE的参数需要根据具体数据进行调整，perplexity和early_exaggeration是两个比较重要的参数，可以根据具体情况进行调整。