sklearn 特征降维利器 —— PCA & TSNE

2024-10-01 23:30:01

同为降维工具，二者的主要区别在于，

所在的包不同（也即机制和原理不同）
- from sklearn.decomposition import PCA
- from sklearn.manifold import TSNE
因为原理不同，导致，tsne 保留下的属性信息，更具代表性，也即最能体现样本间的差异；
TSNE 运行极慢，PCA 则相对较快；

因此更为一般的处理，尤其在展示（可视化）高维数据时，常常先用 PCA 进行降维，再使用 tsne：

data_pca = PCA(n_components=50).fit_transform(data)

data_pca_tsne = TSNE(n_components=2).fit_transform(data_pca)

最新文章

热门文章