可视化利器 t-SNE（matlab）——用于高维数据的自动降维和绘图

小鱼儿 2021-11-11 07:38 1275阅读 0赞

t-SNE – Laurens van der Maaten（感谢学术男神们的无私开源）  
User\_guide.pdf（用户指南）  
1. tsne 函数  
mappedX = tsne(X, labels, no\_dims, init\_dims, perplexity)  
最新的matlab（实测的是2017b） 已经集成了 tsne  
tsne 是无监督降维技术，labels 选项可选；  
X是由N 个样本组成的二维矩阵，每个样本由 D 维数据构成（N行D列）；  
no\_dims 的默认值为 2；（压缩后的维度）  
tsne 函数实现，X∈RN×D⇒RN×no\_dimesX∈RN×D⇒RN×no\_dimes（mappedX）  
init\_dims：注意，在运行 tsne 函数之前，会自动使用 PCA 对数据预处理，将原始样本集的维度降低至 init\_dims 维度（默认为 30）。因此用户可以自行设置一下init-dims的数量。或者提前使用matlab中的PCA检测一下哪个维度能够保持你的样本数据的正确率。  
perplexity：高斯分布的perplexity，默认为 30； 此参数不了解，但是教程中说，越是高密度的样本，其值越大。一般推荐5-50  
2.Plot results 输出结果  
gscatter(mappedX(:,1), mappedX(:,2), train\_labels);  
在1中如果最后生成的 init\_dims==2即二维数据，则可以利用gscatter画出二维的聚类图。

第一个参数为横坐标，即t-SNE生成的第一列；第二个参数是纵坐标；第三个参数是类型（标签）。

不适用标签时，第三个参数不要写，此时绘制的图形是单色的。

标签的个数要求与元素的个数N相同，标签的类别可以任意多个（m << N）,t-SNE会自动为每个标签生成一种颜色。

侵删.  
版权声明：本文为转自博主 Zhang's Wikipedia 的原创文章。 https://blog.csdn.net/lanchunhui/article/details/53342899  
\---------------------  
作者：limber0117  
来源：CSDN  
原文：https://blog.csdn.net/weixin\_42081343/article/details/80711860  
版权声明：本文为博主原创文章，转载请附上博文链接！