使用sklearn TSNE映射测试数据

Question

有没有办法在python中提取sklearn.manifold.TSNE中的映射过程，以便将新数据映射到降维空间？

重要的是，我的意思是不需要在这里重新训练新的数据。

例如，假设您训练了一个TSNE映射，如下所示：

import numpy as np
from sklearn.manifold import TSNE
X = np.array([[0, 0, 0], [0, 1, 1], [1, 0, 1], [1, 1, 1]])
X_embedded = TSNE(n_components=2).fit_transform(X)

如文档所示：https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html

您是否可以提取转换，以便将新数据映射到相同的空间：

Y = np.array([[0, 0.8, 0.8], [0.1, 0, 1], [1.2, 0.2, 1], [1, 1.1, 1]])

在这个问题上的任何帮助都将不胜感激！

Answer 1

tSNE是一种非线性、非参数嵌入。

因此，没有“封闭形式”的方式来更新新的点。更糟糕的是:添加新的点可能需要移动现有的点。

因此，使tSNE应用于新数据将需要对方法进行重大更改，它将不再是原始的tSNE。

Answer 2

参数t-SNE具有应用于测试数据的选项，但这在Sklearn中不可用。Reference issue。

在设置了它之后，我们已经提到它是在其他地方的here中实现的