个人中心
文章发布
退出
作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
24
4
是否有并行版本的 t-SNE 算法的 Python 库？或者多核/并行t-SNE算法是否存在？
我正在尝试使用 t-SNE 减少词汇表中所有 word2vec 的维度 (300d -> 2d)。
问题:词汇表的大小约为 130000，对它们进行 t-SNE 花费的时间太长。
最佳答案
是的，有 t-SNE 的 barnes-hutt 实现的并行版本。 https://github.com/DmitryUlyanov/Multicore-TSNE
现在还有一个新的 tSNE 实现，它使用快速傅里叶变换函数来显着加快卷积步骤。它还使用 ANNOY 库执行最近邻搜索，默认的基于树的方法也在那里，并且都利用并行处理。
原始代码可在此处获得: https://github.com/KlugerLab/FIt-SNE
和这里的 R 包版本: https://github.com/JulianSpagnuolo/FIt-SNE
关于python - t-SNE 的并行版本，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40430267/
24
4
0
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 t-SNE（t-Distributed Sto
我有大约 3000 个 100D 数据点，我使用 t-SNE 将它们投影到 2D。每个数据点属于三个类别之一。但是，当我在两台不同的计算机上运行脚本时，我不断得到不一致的结果。当我使用随机种子时，预计
我将数据分开进行训练/测试。当我使用 PCA 时，它很简单。 from sklearn.decomposition import PCA pca = PCA() X_train_pca = pca.f
我一直在探索不同的降维算法，特别是 PCA 和 T-SNE。我正在使用 MNIST 数据集的一小部分(大约 780 维)并尝试将原始数据减少到三个维度以可视化为散点图。 T-SNE 可以描述的很详细h
我有一个 Twitter 语料库，我用它来构建情绪分析应用程序。语料库有 5000 条推文，这些推文被手工标记为 - 负面、中立或正面 为了表示文本 - 我正在使用 gensim word2vec 预
是否有并行版本的 t-SNE 算法的 Python 库？或者多核/并行t-SNE算法是否存在？ 我正在尝试使用 t-SNE 减少词汇表中所有 word2vec 的维度 (300d -> 2d)。 问题
我们可以记录库的训练如gensim使用 import logging logger = logging.getLogger() logger.setLevel(logging.INFO) 这在运行 T
我的 T-SNE 散点图打印得很好，但打印出的颜色全部相同并且没有图例。我在这方面遇到了很大的麻烦。对于 SeaBorn 来说，它是“hue”，对于 Matplotlib 来说，它是定义“c”。总而言
我有一个约 20k 词向量列表('tuple_vectors')，没有标签，每个都如下所示 [-2.84658718e+00 -7.74899840e-01 -2.24296474e+00 -8.69
问题是哪个应该先出现:a) 聚类还是 b) 降维算法？换句话说，我可以应用像 t-SNE 这样的伪(因为它不是真的)降维方法，然后使用聚类算法来提取聚类，还是应该在原始高维空间上执行聚类并仅用于给节点
我有两组数据训练和测试。两个数据集分别有30213条和30235条，每条66维。 我正在尝试应用 scikit learn 的 t-SNE 将维度减少到 2。由于数据集很大，如果我尝试一次性处理整个数
我正在尝试使用 Yellowbrick 包中的 t-SNE 来可视化数据。我收到一个错误。 import pandas as pd from yellowbrick.text import TSNEV
我正在尝试对平方距离矩阵运行 tsne 分析。这些是我正在使用的命令。 model = TSNE(n_components = 2,perplexity = 32, verbose = 10,n_it
是什么让 t-sne 受到监督？ 维基百科对 t-sne algorithm 进行分类作为一种监督方法。我读到监督方法涉及训练，有输入和期望的结果。 我在想，t-sne 的目标是最小化 Kullbac
目标:我的目标是在 R 中使用 t-SNE(t 分布随机邻域嵌入)对我的训练数据进行降维(具有 N 个观察值和 >K 个变量，其中 K>>N)，随后旨在为我的测试数据提供 t-SNE 表示。 示例:假
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
我无法在我的 Windows 机器上安装 tsne 包。我按照说明 here为 Python 安装 tsne 包。但是 pip install tsne 或 pip install git+https
我有一个很大的文件(下面是一小部分数据)，如下所示，我想画一个 PCA，我可以用 PCA 函数画 PCA 但它看起来有点乱，因为我有 200 列所以我想也许 t-SNE 或 UMAP 效果更好，但我无
这是使用 IRIS 数据的 t-SNE 代码: library(Rtsne) iris_unique <- unique(iris) # Remove duplicates iris_matrix <
我尝试在R中使用T-sne。我想使用 dtw 而不是欧几里德距离。如何更改 R 中的规范？ 对精选数据执行算法 library(Rtsne) tsne <- Rtsne(train[,-1], dim
我是一名优秀的程序员,十分优秀！