如何解决在 Python 中可视化非常大的特征空间
我正在可视化 PASCAL VOC 2007 数据的 t-SNE 和 PCA 图的特征空间。我正在使用 StandardScaler() 和 MinMaxScaler() 进行转换。
我得到的图是： 对于 PCA
对于 t-SNE：
pca_x_1=pca.fit_transform(norm_x)
pca_data=np.vstack((pca_x.T,labels))
pca_df_1=pd.DataFrame(pca_data.T,columns=['PC1','PC2','PC3','labels'])
from sklearn.manifold import TSNE
tsne=TSNE(n_components=2,random_state=0)
tsne_x=tsne.fit_transform(norm_x)
tsne_data=np.vstack((tsne_x.T,labels))
tsne_df=pd.DataFrame(tsne_data.T,columns=['t_C1','t_C2','t_labels'])
是否有任何更好的转换可以在 python 中更好地可视化以获取更大容量的特征空间？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
