python - 在 Python 中可视化非常大的特征空间
问题描述
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()
andMinMaxScaler()
进行转换。
我获得的地块是: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得更大容量的特征空间?
解决方案
推荐阅读
- powershell - Powershell - 在不使用 WinRM 的情况下传入并执行字符串
- javascript - Fabric JS loadSVGFromString 包括使用定义的自定义属性
- r - 组织每个样本具有多个条目的数据框
- jquery - 如何将行从一个表复制到另一个表,包括新列
- c# - 这合法/安全吗?
- javascript - WebPack 多条目多输出
- dagger-hilt - Hilt:将现有范围别名为 ActivityScoped
- ios - 如何相互显示在标签栏中选择的视图?
- javascript - Discord oauth2 bot 不赋予登录用户角色
- r - 我们如何自动查找作为字符存储在 df 列表中的所有日期变量并进行更正?