← retour aux snippets

sklearn: PCA, t-SNE, UMAP (aperçu)

Réduction/visualisation avec PCA et t-SNE (UMAP externe).

python ml #sklearn#pca#tsne

objectif

Réduction/visualisation avec PCA et t-SNE (UMAP externe).

code minimal

from sklearn.decomposition import PCA
from sklearn.datasets import load_digits

X, y = load_digits(return_X_y=True)
X2 = PCA(n_components=2).fit_transform(X)
print(X2.shape)

utilisation

from sklearn.manifold import TSNE
emb = TSNE(n_components=2, learning_rate="auto", init="pca", perplexity=30).fit_transform(X[:300])
print(emb.shape)

variante(s) utile(s)

# import umap
# umap.UMAP().fit_transform(X)
print("ok")

notes

  • Standardiser avant PCA; t-SNE conserve voisinages.