python用tsne降维_python数据分析：数据降维（tsen）.pdfVIP

python⽤tsne降维_python数据分析：数据降维（tsen） 为什么要对数据进⾏降维？ 实际应⽤中的数据⼀般是⾼维的，⽐如⼿写的数字，如果我们缩放到28×28的图⽚⼤⼩，那么它的维度就是28×28=784维。 举个简单的例⼦： 下图是⼿写的1及其对应的图像⼆维矩阵，数据已经被规范化到[0,1]范围内。 降维的⽬的有很多，个⼈觉得最主要的⽬的有⼆： 1.为了对数据进⾏可视化，以便对数据进⾏观察和探索。 2. 另外⼀个⽬的是简化机器学习模型的训练和预测。 我们很难对⾼维数据具有直观的认识，如果把数据的维度降低到2维或者3维，并且保持数据点的关系，与原⾼维空间⾥的关系，保持不变 或者近似，我们就可以进⾏可视化，⾁眼来观察数据。 数据经过降维以后，如果保留了原有数据的主要信息，那么我们就可以⽤降维的数据进⾏机器学习模型的训练和预测，由于数据量⼤⼤缩 减，训练和预测的时间效率将⼤为提⾼。 降维实例(说到底对我这种⾮sp 岗的码农来说就是从装逼到调库) 下⾯的python代码，把digits数据集进⾏了tsne降维，并且显⽰出来。读者可以拷贝代码到Jupyter notebook⾥⾯运⾏。 from sklearn import datasets digits = datasets.load_digits() X = dig