很简单, 如果我在 Python 中对高维数据执行 t-SNE,那么我会得到反射(reflect)每个新点的 2 或 3 个坐标。 但是我如何将这些映射到原始 ID?
我能想到的一种方法是,如果索引一直保持固定,那么我可以这样做:
- 在 t-SNE 中选择一个点
- 查看它在 t-SNE 中的第几行(例如索引 7)
- 转到原始数据并选择行/索引 7。
但是,我不知道如何检查这是否真的有效。我的数据是超高维的,很难通过正常的“健全性检查”来理解它。
非常感谢!
最好的,
请您参考如下方法:
如果您使用的是 sklearn 的 t-SNE,那么您的假设是正确的。输入的顺序与输出的顺序相匹配。因此,如果您执行 y=TSNE(n_components=n).fit_transform(x),则 y 和 x 的顺序相同,因此 y[7] 将是 x[7] 的嵌入。您可以相信 scikit-learn 会是这种情况。
