我正在尝试使用带有 Wasserstrain 距离的 t-SNE 而不是欧几里得。这是我的代码的一部分：
from sklearn.manifold import TSNE
from scipy.stats import wasserstein_distance
tsne = TSNE(n_components=2,perplexity=40, n_iter=1000, metric=wasserstein_distance)
img_embedded = tsne.fit_transform(images)
images包含 512 张 64x64x3 的图像。有人可以告诉我我的代码是否真的符合我的要求吗？我不确定这metric=wasserstein_distance是否正确。代码工作得很好，但是当我查看 2D 空间时，它看起来很糟糕。如果我使用欧几里得度量，则 2D 图像相当不错，所以我不确定 Wasserstrain 距离是否根本不适合我的问题，或者我是否以错误的方式实现它。谢谢！
编辑：图像是固定大小的对象，在固定背景上移动。理想情况下，考虑到每个图像的一切都是相同的，除了对象的位置，我希望 2D 表示将显示对象的轨迹，即每个图像中对象的 x 和 y（或至少一些它们的可逆变换）。下面我附上了使用欧几里得距离（第一个）和 Wasserstein 距离（第二个）获得的图像。正如您所看到的，在第一种情况下，轨迹非常清晰（例如，线大多在它们应该相交的地方相交，因此拓扑大部分被保留）。在第二种情况下，一团糟。
