代码实现TSNE降维数据可视化教程 降维数据可视化教程 python代码实现 今天小编就为大家分享一篇python代码实现TSNE降维数据可视化教程，具有很好的参考价值，希望对大家有所 帮助。一起跟随小编过来看看吧 TSNE降维降维 降维就是用2维或3维表示多维数据（彼此具有相关性的多个特征数据）的技术，利用降维算法，可以显式地表现 数据。（t-SNE）t分布随机邻域嵌入 是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人 类观察的两个或多个维度。 python代码 km.py #k_mean算法 import pandas as pd import csv import pandas as pd import numpy as np #参数初始化 inputfile = 'x.xlsx' #销量及其他属性数据 outputfile = 'x_1.xlsx' #保存结果的文件名 k = 2 #聚类的类别 iteration = 3 #聚类最大循环次数 data = pd.read_excel(inputfile, index_col = 'Id') #读取数据 data_zs = 1.0*(data - data.mean())/data.std() #数据标准化，std()表示求总体样本方差(除以n-1),numpy中std()是除以n print('data_zs') from sklearn.cluster import KMeans model = KMeans(n_clusters = k, max_iter = iteration) #分为k类 #model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration) #分为k类，并发数4 print('data_zs') model.fit(data_zs) #开始聚类 #简单打印结果 r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目 r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心 r = pd.concat([r2, r1], axis = 1) #横向连接（0是纵向），得到聚类中心对应的类别下的数目 print('data_zs') print(r) r.columns = list(data.columns) + [u'类别数目'] #重命名表头 print(r) #详细输出原始数据及其类别 r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1) #详细输出每个样本对应的类别 r.columns = list(data.columns) + [u'聚类类别'] #重命名表头 r.to_excel(outputfile) #保存结果 TSNE.py # coding=utf-8 from sklearn.manifold import TSNE from pandas.core.frame import DataFrame import pandas as pd import numpy as np import km as k #用TSNE进行数据降维并展示聚类结果 tsne = TSNE() tsne.fit_transform(k.data_zs) #进行数据降维,并返回结果 tsne = pd.DataFrame(tsne.embedding_, index = k.data_zs.index) #转换数据格式 import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 #不同类别用不同颜色和样式绘图 d = tsne[k.r[u'聚类类别']== 0] #找出聚类类别为0的数据对应的降维结果 

plt.plot(d[0], d[1], 'r.') d = tsne[k.r[u'聚类类别'] == 1] plt.plot(d[0], d[1], 'go') #d = tsne[k.r[u'聚类类别'] == 2] #plt.plot(d[0], d[1], 'b*') plt.savefig("data.png") plt.show() 数据格式 数据格式 数据需要用xlsx文件存储，表头名为 数据需要用 文件存储，表头名为Id。。 执行 TSNE.py即可获得可视化图片。 以上这篇python代码实现TSNE降维数据可视化教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家 多多支持我们。