使用 sklearn TSNE 映射测试数据答案

【问题标题】：Map test data using sklearn TSNE使用 sklearn TSNE 映射测试数据
【发布时间】：2019-05-22 02:19:51
【问题描述】：

有没有办法在python中提取sklearn.manifold.TSNE中的映射过程，以便将新数据映射到降维空间中？

重要的是，我的意思是不必在这里也重新训练新数据。

例如，假设您按如下方式训练了一个 TSNE 地图：

import numpy as np
from sklearn.manifold import TSNE
X = np.array([[0, 0, 0], [0, 1, 1], [1, 0, 1], [1, 1, 1]])
X_embedded = TSNE(n_components=2).fit_transform(X)

如文档中所示：https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html

您能否提取转换以便将新数据映射到同一空间：

Y = np.array([[0, 0.8, 0.8], [0.1, 0, 1], [1.2, 0.2, 1], [1, 1.1, 1]])

任何关于此事的帮助将不胜感激！

【问题讨论】：

不要认为你可以在 sklearn 中使用 TSNE 保存，尝试搜索“parametric t-sne”，我认为有些是在 tensorflow 中实现的。 github.com/jsilter/parametric_tsne
我不这么认为，在我来问之前似乎会有一个简单的答案:) 谢谢，我会尝试使用它！
附带说明，这对 sklearn.manifold.PCA 是否可行，还是同样的问题？

标签： python scikit-learn transform cluster-analysis

【解决方案1】：

tSNE 是一种非线性、非参数嵌入。

所以没有“封闭形式”的方式来更新它的新点。更糟糕的是：添加新点可能需要移动现有点。

因此，将 tSNE 应用于新数据将需要对方法进行重大更改，它不再是原来的 tSNE。

【讨论】：

【解决方案2】：

参数 t-SNE 可以选择应用于测试数据，但这在 Sklearn 中不可用。 Reference issue。

设置后我们提到它在其他地方实现here

【讨论】：