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

Question

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 2 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（节点高度相似的都靠得很近）。

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。

Answer 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。

这是一个很好的起点（尽管减少了 tSNE 和过时的接口）。