Python - 使用 sklearn MDS 类在 2D 中可视化 Doc2Vec 多维向量答案

【问题标题】：Python - Visualize Doc2Vec multi-dimensional Vectors in 2D with sklearn MDS classPython - 使用 sklearn MDS 类在 2D 中可视化 Doc2Vec 多维向量
【发布时间】：2016-07-20 06:25:24
【问题描述】：

为了对我的Doc2Vec 训练模型进行简单评估，我需要将 400 维向量转换为二维并将文档可视化为一组节点，其中任意两个节点之间的距离与其相似度成反比（高度相似的节点靠得很近）。

经过一番搜索，我找到了 MDS（多维缩放）和 sklearn MDS 库。

现在我有 220 万个向量，每个向量都有 400 个维度，我不知道如何以正确的语法以最低的成本将它们传递给 sklearn MDS 函数。我知道在 2.2M 向量之间创建相似矩阵是不可能的。

【问题讨论】：

标签： python multidimensional-array scikit-learn mds doc2vec

【解决方案1】：

对于一个相当相似的任务，我发现减少 Doc2Vec 的维数（在我们的例子中从默认的 100 到 30）对于在 Macbook Pro 上工作时的任何类型的空间重建都是绝对关键的，即使对于相对较小的数据集也是如此。

This 是一个很好的起点（尽管减少了 tSNE 和过时的接口）。

【讨论】：