sklearn 特征降维利器(PCA 和TSNE）
2018-05-23 00:40
260 查看
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/hxcaifly/article/details/80414009
同为降维工具，二者的主要区别在于：
1.所在的包不同（也即机制和原理不同）
- from sklearn.decomposition import PCA
- from sklearn.manifold import TSNE
2.因为原理不同，导致，tsne 保留下的属性信息，更具代表性，也即最能体现样本间的差异；
3.TSNE 运行极慢，PCA 则相对较快；
因此更为一般的处理，尤其在展示（可视化）高维数据时，常常先用 PCA 进行降维，再使用 tsne：
data_pca = PCA(n_components=50).fit_transform(data) data_pca_tsne = TSNE(n_components=2).fit_transform(data_pca)阅读更多
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- sklearn 特征降维利器 —— PCA & TSNE
- 数据降维处理：PCA之特征值分解法例子解析
- Python 之 sklearn 实现 PCA 降维
- PCA特征降维
- PCA降维以及Kmeans聚类实例----python,sklearn,PCA,Kmeans
- 【降维】之sklearn中PCA库讲解与实战
- 机器学习(28)【降维】之sklearn中PCA库讲解与实战
- 使用PCA对特征数据进行降维
- PCA降维与特征选取的区别
- 特征降维——PCA
- 数据挖掘—LDA,PCA特征提取降维与SVM多分类在人脸识别中的应用－数据集ORL
- 特征降维-PCA（Principal Component Analysis）
- deep learning PCA(主成分分析)、主份重构、特征降维
- 特征降维-PCA（Principal Component Analysis）
- 特征降维之PCA
- 特征降维-PCA（Principal Component Analysis）
- sklearn-学习：Dimensionality reduction(降维)-（feature selection）特征选择
- Python 之 sklearn 实现 PCA 降维
- 『 特征降维』PCA原理-Principal Component Analysis
- opencv笔记(9)：特征降维-PCA