0

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

主成分分析

对于 t-SNE:

tSNE

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?

4

0 回答 0