问题标签 [tsne]

我在 MNIST 上运行以下代码

即，我从每个验证时期返回

然后使用

并期望它能够工作，就像在doc中一样。

似乎只显示了一个批次，在验证过程中我得到的日志如下

验证：92%|█████████▏| 49/53 [00:01<00:00, 41.05it/s] 警告：嵌入目录存在，您是否为 add_embedding() 设置了 global_step？

recon_batch如何获得适用于所有时代的 TSNE ？

完整代码供参考：

我有一个约 500 个嵌入向量的列表（每个嵌入向量的长度为 400，太长无法发布，但这是其中一个开始的示例：

（所以在一个名为“list_of_vectors”的列表中有大约 500 个这些向量列表）

还有一个 list_of_labels，其中每个向量列表都分配给一个标签。

我想将它们绘制在 t-SNE 图上，所以我写道：

输出是：

所以下图中有约 500 个点，每个点都有一个标签（来自 list_of_labels）

您可以看到这些点非常粗略地聚集在一起，我只想为每个粗略的簇添加几个标签，这样我就知道哪个簇是哪个簇，或者我可以对簇进行不同的着色，并有一个带有示例词的图例传说中的那个簇？

有没有办法让我注释/标记每个集群中的几个点？

或者任何可以在下图中添加 5/10 标签的方法，这样我可以更好地理解情节？

它不必非常精确，我只是想更好地广泛理解情节？

我正在研究Glove词嵌入。glove.6B.50d.txt我在第一次尝试时使用了 Glove 训练的库。

(train.csv)

我收集了从数据集中读取的数据(train.csv)，twoone function如下所示。

我将通过嵌入索引获得的值提供给嵌入数组。我收到一个错误，因为某些值不在glove.6B.50d.txt. 为了暂时解决这个问题，我手动写了其他值。由于我无法阅读所有这些，我只购买了 2 行（奥迪和宝马）的手动嵌入索引。另外，我只取了宝马和奥迪对应的嵌入索引，打印出来。

嵌入索引单行（50d）：

由于我无法打印所有行，因此我为这两个示例分别编写了一个函数above code。

结果我得到了这样的打印输出。

您可以在此处找到所有代码。

1-) 我们如何更新函数以打印所有行？
2-) 我们如何在不使用预训练的情况下训练词嵌入glove.6B.50d.txt？

非常感谢。

When I learn dimension reduction technique I found that PCA and t-SNE are widely used as defined below:

• Principal Component Analysis: This is one of the most widely used techniques for dealing with linear data. It divides the data into a set of components which try to explain as much variance as possible

• t-SNE: This technique also works well when the data is strongly non-linear. It works extremely well for visualizations as well

The problem is that I don't know what is the meaning of linear and non-linear data ? Could you explain in detail ? Many Thank!

我想将 T-sne 功能用于 DBSCAN 聚类算法，但 sklearn 实现未针对 n_components>4 运行。

错误：

我知道 T-sne 不适合聚类算法中的功能，但我仍想尝试。

来自此资源的 Python t-sne 实现：https ://lvdmaaten.github.io/tsne/

顺便说一句，我是 scRNA-seq 的初学者。

我正在尝试做的事情：使用 scRNA-seq 数据集并在其上运行 t-SNE，但使用先前计算的 PCA（我有 PCA.score 和 PCA.load 文件）

Q1：我应该可以在 tSNE 中使用我选择的计算 PCA，但是在运行 Y = tsne.tsne(X) 时我应该使用哪个文件 pca.score 或 pca.load？

Q2：我尝试删除/替换部分 PCA 计算代码以尝试删除 PCA 预处理，但它似乎总是出错。我应该改变什么才能正确使用我已经有的 PCA 数据而不是再次从中计算 PCA？

PCA 处理代码的原始形式如下：

我对数据应用了 K_Mean 聚类，并在应用 TSNE 绘制数据之后。我有 4 个维度和 4 个组。问题是我的 K_mean 是正确的，但为什么使用 tsne，同一组不在一起？

我想要的是：

我有一个 seaborn python 散点图，其图例太长而无法与主图相匹配。有没有办法单独保存图例。matplotlib.axes.scatter我知道如果我在这个要点中使用它可以做到，但我想使用 seaborn 因为表示更好。

任何帮助，将不胜感激

我申请 TSNE 进行降维。我有几个功能，我减少到 2 个功能。之后，我使用 Kmeans 对数据进行聚类。最后，我使用 seaborn 来绘制聚类结果。

要导入 TSNE，我使用：

要申请 TSNE，我使用：

之后我使用 Kmeans：

最后，我使用以下方法绘制了情节：

我有这个情节：

这个图似乎太完美和球形了，我绘制这些数据的过程有问题吗？在上面描述的代码中？

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：

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？