R使用tsne进行高维数据可视化实战:二维可视化三维可视化

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R使用tsne进行高维数据可视化实战:二维可视化三维可视化相关的知识,希望对你有一定的参考价值。

R使用tsne进行高维数据可视化实战:二维可视化、三维可视化

t-SNE是一种非常强大的技术,可以用于多维数据中的可视化分析(寻找模式)。它对复杂多维数据的可视化能力是显而易见的,它以无监督的方式对数据进行聚类的能力也是显而易见的。

由于t-SNE能够提供保持原始结构的高维数据的2D或3D可视化表示,我们可以在数据探索中(Exploratory Data Analysis)使用它。我们可以使用它来检查数据中是否存在集群,并作为一种可视化来检查数据集中是否存在某种“顺序”或某种“模式”。

二维可视化

# tsne可视化迭代输出图形及误差;

install.packages(\'tsne\')
library(tsne)
traindata <- read.table("optdigits.tra", sep=",")
trn <- data.matrix(traindata)

require(tsne)

cols <- rainbow(10)

# this is the epoch callback function used by tsne. 
# x is an NxK table where N is the number of data rows passed to tsne, and K is the dimension of the map. 
# Here, K is 2, since we use tsne to map the rows to a 2D representation (map).
ecb = function(x, y){ plot(x, t&#

以上是关于R使用tsne进行高维数据可视化实战:二维可视化三维可视化的主要内容,如果未能解决你的问题,请参考以下文章

TSNE算法是什么?该算法有什么缺陷?

PCA图像数据降维及重构误差分析实战并使用TSNE进行异常数据可视化分析

R语言plotly可视化:使用TSNE算法将数据降维到二维并使用plotly可视化降维后的数据(project data into 2D with t-SNE and px.scatter)

R语言使用Rtsne包进行TSNE分析:提取TSNE分析结果合并到原dataframe中可视化tsne降维的结果并使用两个分类变量从颜色形状两个角度来可视化tsne降维的效果

R语言使用Rtsne包进行TSNE分析:提取TSNE分析结果合并到原dataframe中可视化tsne降维的结果并使用两个分类变量从颜色形状两个角度来可视化tsne降维的效果

R语言使用Rtsne包进行TSNE分析:提取TSNE分析结果合并到原dataframe中可视化tsne降维的结果并圈定降维后不匹配的数据簇(tSNE identifying mismatch)