sklearn python中的TSNE答案

【问题标题】：TSNE in sklearn pythonsklearn python中的TSNE
【发布时间】：2016-08-20 01:20:08
【问题描述】：

我在 python 中使用t-SNE 有一个小问题。

我拿了一个小数据集：

A = np.matrix([[0.2,  0.3, 0.6, 0.8], 
               [0.2,  0.25, 0.55, 0.85],
               [0.2,  0.3, 0.6, 0.8],
               [0.64,  0.8, 0.2, 0.2],
               [0.65,  0.8, 0.2, 0.2],
               [0.65,  0.75, 0.2, 0.15], 
               [0.7,  0.8, 0.2, 0.2]])

然后，我使用以下命令在其上运行 t-SNE：

tsne = manifold.TSNE(n_components=2,random_state=0, metric=Distance)

这里，Distance 是一个函数，它以两个数组作为输入，计算它们之间的距离并返回距离。此功能有效。如果我改变我的值，我可以看到输出发生变化。

def Distance(X,Y):
   Result = spatial.distance.euclidean(X,Y)
   return Result

但是使用 t-sne 的可视化并没有改变......并且可视化不尊重我的点之间的距离。

如果我删除指标：

tsne = manifold.TSNE(n_components=2,random_state=0)

它仍然给我同样的结果......

你有什么解决办法吗？

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

是因为默认metric是euclidean。因此，与默认设置相比，您实际上您不会更改任何内容。您可以在here 看到默认参数。我也将它们复制并粘贴在这里：

class sklearn.manifold.TSNE(n_components=2, perplexity=30.0, early_exaggeration=4.0, learning_rate=1000.0, n_iter=1000, n_iter_without_progress=30, min_grad_norm=1e-07, metric='euclidean', init='random', verbose=0, random_state=None, method='barnes_hut', angle=0.5)

【讨论】：