您好，请问您论文中的T-sne图如何实现呢？

[Wt197012]

想复现一些您的结果，但T-sne图像之前没接触过，能指导一下吗，谢谢！！

[Yunfan-Li]

我tSNE可视化用的是sklearn包 https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html

[Wt197012]

谢谢！请问是将输出的特征与标签放入制作还是用图像呢？谢谢您!

[liwei1101]

您好 请问可以开源一下您的t-Sne可视化代码吗？不是很会T-Sne

[Yunfan-Li]

您好，下面是tSNE可视化的代码，X和Y分别对应样本特征和标签，供参考

from sklearn.manifold import TSNE
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors


def tSNE(X, Y):
    colors = list(mcolors.TABLEAU_COLORS.keys())
    print('=======Performing TSNE=======')
    X_embedded = TSNE(n_components=2).fit_transform(X)
    plt.figure()
    N = X_embedded.shape[0]
    for i in range(N):
        label = Y[i].item()
        plt.scatter(X_embedded[i][0], X_embedded[i][1], color=mcolors.TABLEAU_COLORS[colors[label]], s=0.1)
    plt.savefig('tSNE.png')
    print('Finished')

[liwei1101]

您好，下面是tSNE可视化的代码，X和Y分别对应样本特征和标签，供参考

from sklearn.manifold import TSNE
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors


def tSNE(X, Y):
    colors = list(mcolors.TABLEAU_COLORS.keys())
    print('=======Performing TSNE=======')
    X_embedded = TSNE(n_components=2).fit_transform(X)
    plt.figure()
    N = X_embedded.shape[0]
    for i in range(N):
        label = Y[i].item()
        plt.scatter(X_embedded[i][0], X_embedded[i][1], color=mcolors.TABLEAU_COLORS[colors[label]], s=0.1)
    plt.savefig('tSNE.png')
    print('Finished')

好的！谢谢您