稀疏矩阵的sklearn tsne

Question

我试图用预先计算的距离值在一个非常稀疏的矩阵上显示tsne，但我遇到了麻烦。

归根结底是这样的：

row = np.array([0, 2, 2, 0, 1, 2])
col = np.array([0, 0, 1, 2, 2, 2])
distances = np.array([.1, .2, .3, .4, .5, .6])
X = csc_matrix((distances, (row, col)), shape=(3, 3))
Y = TSNE(metric='precomputed').fit_transform(X)

但是，我得到了以下错误：

TypeError:传递稀疏矩阵，但method="barnes_hut“需要密集数据。如果数组足够小，足以容纳内存，则使用X.toarray()将其转换为密集的numpy数组。否则，考虑降维技术(如TruncatedSVD)。

我不想执行TruncatedSVD，因为我已经计算了距离。

如果我更改了method='exact'，就会得到另一个错误(这有点可疑)：

NotImplementedError：>=和<=不适用于0。

注意:我的距离矩阵大约是100 kx100k，大约有1M的非零值。

有什么想法吗？

Answer 1

我认为这能解决你的问题：

X = csr_matrix((distances, (row, col)), shape=(3, 3)).todense()

如果你真的是csr_matrix而不是csc_matrix