您好,登录后才能下订单哦!
这篇文章给大家分享的是有关python代码如何实现TSNE降维数据可视化的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
TSNE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。
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
数据需要用xlsx文件存储,表头名为Id。
执行 TSNE.py即可获得可视化图片。
1、简单易用,与C/C++、Java、C# 等传统语言相比,Python对代码格式的要求没有那么严格;2、Python属于开源的,所有人都可以看到源代码,并且可以被移植在许多平台上使用;3、Python面向对象,能够支持面向过程编程,也支持面向对象编程;4、Python是一种解释性语言,Python写的程序不需要编译成二进制代码,可以直接从源代码运行程序;5、Python功能强大,拥有的模块众多,基本能够实现所有的常见功能。
感谢各位的阅读!关于“python代码如何实现TSNE降维数据可视化”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。