sklearn python中的TSNE

Question

我在python中使用t-SNE有一个小问题。

我取一个小的数据集：

A = np.matrix([[0.2,  0.3, 0.6, 0.8], 
               [0.2,  0.25, 0.55, 0.85],
               [0.2,  0.3, 0.6, 0.8],
               [0.64,  0.8, 0.2, 0.2],
               [0.65,  0.8, 0.2, 0.2],
               [0.65,  0.75, 0.2, 0.15], 
               [0.7,  0.8, 0.2, 0.2]])

然后，我使用以下命令对其运行t-SNE：

tsne = manifold.TSNE(n_components=2,random_state=0, metric=Distance)

这里，Distance是一个函数，它接受两个数组作为输入，计算它们之间的距离并返回距离。此函数起作用。如果我改变我的值，我可以看到输出发生了变化。

def Distance(X,Y):
   Result = spatial.distance.euclidean(X,Y)
   return Result

但可视化不会因为t-sne而改变...可视化并没有考虑到我的点之间的距离。

如果我去掉这个指标：

tsne = manifold.TSNE(n_components=2,random_state=0)

它仍然会给我同样的结果...

​

​

你有什么解决方案吗？

Answer 1

这是因为默认的metric是euclidean。因此，与默认设置相比，实际上您没有更改任何内容。您可以在here上看到默认参数。我还在这里复制并粘贴了它们：

class sklearn.manifold.TSNE(n_components=2, perplexity=30.0, early_exaggeration=4.0, learning_rate=1000.0, n_iter=1000, n_iter_without_progress=30, min_grad_norm=1e-07, metric='euclidean', init='random', verbose=0, random_state=None, method='barnes_hut', angle=0.5)