python sklearn中tsne算法降維結果不一致問題的解決方法
背景
最近在做一個文本聚類的分析，在對文本數(shù)據(jù)embedding后，想著看下數(shù)據(jù)的分布，于是用sklearn的TSNE算法來降維embedding后的數(shù)據(jù)結果。當在多次執(zhí)行后，竟發(fā)現(xiàn)TSNE的結果竟然變了，而且每次都不一樣。
主要的邏輯就是用的下面兩行函數(shù)：
tsne = TSNE(n_components=2) decomposition_data = tsne.fit_transform(embeddings)
解決流程
之前只是在網上隨便找了個做TSNE的博客，粘了這兩行代碼就跑結果了，出現(xiàn)了這個問題后，決定還是得好好看看sklearn中的官方文檔。官網鏈接：https://scikit-learn.org/0.16/modules/generated/sklearn.manifold.TSNE.html
sklearn的相關參數(shù)說明如下圖所示：
有一個參數(shù)，"random_state", 我用紅框標出了。TSNE在運算的時候，會初始化一個隨機的種子點，如果沒有指定該參數(shù)的話，默認該參數(shù)為None，同時會使用mumpy.random隨機生成一個數(shù)作為種子點。這也是導致每次生成的TSE降維結果都是不一致的原因。
所以后面的解決方案就很簡單了。將random_states隨便賦予一個固定值就好了。我這次就把random_state設置成了0了，將上述代碼改為：
tsne = TSNE(n_components=2, random_state=0) decomposition_data = tsne.fit_transform(embeddings)
問題解決。
以上就是python sklearn中tsne算法降維結果不一致問題的解決方法的詳細內容，更多關于python tsne算法降維結果不一致的資料請關注腳本之家其它相關文章！
相關文章
這篇文章主要為大家介紹了python如何實現(xiàn)復制目錄到指定目錄，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-02-02
這篇文章主要介紹了Django權限設置及驗證方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
在本篇文章里小編給大家整理了關于python的縮進規(guī)則的知識點詳解，有興趣的朋友們可以學習下。2020-06-06
這篇文章主要為大家詳細介紹了如何利用Python?Pygame繪制小球（漸變大的小球、自由下落的小球、循環(huán)上下反彈的小球），感興趣的小伙伴可以了解一下2022-10-10
PowerBI和Python關于數(shù)據(jù)分析的對比
這篇文章主要介紹了PowerBI和Python關于數(shù)據(jù)分析的對比，很多經常會用到數(shù)據(jù)分析的伙伴會問有沒有一款便捷好用的工具！肯定有啊，Python的出現(xiàn)和普及，很容易就能改變這些窘境,需要的朋友可以參考下2019-07-07
這篇文章主要介紹了Python中函數(shù)的參數(shù)類型詳解，文章圍繞主題展開詳細的內容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-07-07
解決Python3 控制臺輸出InsecureRequestWarning問題
這篇文章主要介紹了解決Python3 控制臺輸出InsecureRequestWarning的問題 ，本文給大家介紹的非常詳細，具有一定的參考借鑒價值,需要的朋友可以參考下2019-07-07
Python使用fastAPI如何實現(xiàn)一個流式傳輸接口
這篇文章主要介紹了Python使用fastAPI如何實現(xiàn)一個流式傳輸接口問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06
OpenCV+Python識別車牌和字符分割的實現(xiàn)
這篇文章主要介紹了OpenCV+Python識別車牌和字符分割的實現(xiàn)，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-01-01
這篇文章主要介紹了python實現(xiàn)自動重啟本程序的方法,涉及Python進程操作的相關技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-07-07