是否有可能在大型稀疏矩阵上使用scikit TSNE？

Question

scikit文档解释说，fit_transform只能用于密集矩阵，但我有一个csr格式的稀疏矩阵，我想对它执行tsne。文档说要对稀疏矩阵使用fit方法，但这并不返回低维嵌入。

我很感谢我可以像在.todense()中一样使用这个问题方法，但是我的数据集非常大(0.4*10^6行和0.5*10^4列)，所以内存中不适合使用。真的，用稀疏矩阵来做这件事是很好的。是否有一种方法可以使用scikit TSNE (或TSNE的任何其他python实现)来降低大型稀疏矩阵的维数，然后返回低维嵌入以进行可视化？

Answer 1

从同一份文件中：

强烈建议使用另一种降维方法(例如，对于密集数据使用PCA或对于稀疏数据使用TruncatedSVD )，以便在特征数量非常多的情况下将维数减少到合理的数量(例如50)。这将抑制一些噪音，并加快计算样本之间的配对距离。

使用sklearn.decomposition.TruncatedSVD代替。