t-SNE

t-SNE 可视化降维方法简介 - Pands Blog
详解可视化利器 t-SNE 算法：数无形时少直觉 | 机器之心
详解 sklearn 中 TSNE可视化_tsne图-CSDN博客

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
from sklearn.cluster import KMeans
from sklearn.manifold import TSNE
import seaborn as sns

tsne = TSNE(
    n_components=2,
    perplexity=30,   # 控制局部和全局结构之间的平衡，默认值通常在5到50之间
    learning_rate='auto',
    init='pca',
    random_state=1024   # 设置随机种子确保结果可复现
)

# 运行t-SNE算法进行降维可视化
embedded_data = tsne.fit_transform(X_reduced)

# 用 kmeans 聚成 k 类，如果已经有类别标签可忽略
kmeans = KMeans(n_clusters=k, n_init='auto')
kmeans.fit(X_reduced)

# sns.set_context({'figure.figsize':[10, 10]})
palette = sns.color_palette("bright", k) # 生成k种不同色彩
sns.scatterplot(x=embedded_data.T[0], y=embedded_data.T[1], hue=kmeans.labels_ ,palette=palette)     

plt.show()

umap

机器学习算法：UMAP 深入理解 - 知乎 (zhihu.com)
数据处理降维方法UMAP(Uniform Manifold Approximation and Projection)学习跟练_空间代谢组学数据umap降维代码-CSDN博客