t-sne方法:观察类别区分度

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
大数据开发治理平台 DataWorks,不限时长
简介: 背景:一个二分类任务。目的:尝试使用t-sne方法,观察这两个类别是否是可分的。

样本集存储在csv文件中,链接:https://gitee.com/collisionandconflict/project_1_2_-svm_-binary_-classification_-task/blob/master/totalFeaturesForRight_Lee20240111.csv

t-sne 的python实现程序为:https://gitee.com/collisionandconflict/project_1_2_-svm_-binary_-classification_-task/blob/master/t_Sne_Lee20240220.py

程序运行的输出图片如下:
image.png

观察输出,这种0与1混在一起的情况,是否意味着无法分开,即:两个类本身没有区分性。

目录
相关文章
|
6月前
|
人工智能 数据可视化 数据挖掘
使用轮廓分数提升时间序列聚类的表现
我们将使用轮廓分数和一些距离指标来执行时间序列聚类实验,并且进行可视化
73 0
|
4月前
|
存储 数据可视化 计算机视觉
基于YOLOv8的自定义数据姿势估计
基于YOLOv8的自定义数据姿势估计
|
4月前
|
机器学习/深度学习 XML 编解码
ENVI实现最小距离法、最大似然法、支持向量机遥感图像监督分类与分类后处理操作
ENVI实现最小距离法、最大似然法、支持向量机遥感图像监督分类与分类后处理操作
|
5月前
|
机器学习/深度学习 自然语言处理 算法
【网安AIGC专题11.1】11 Coreset-C 主动学习:特征选择+11种采样方法+CodeBERT、GraphCodeBERT+多分类(问题分类)二元分类(克隆检测)非分类任务(代码总结)
【网安AIGC专题11.1】11 Coreset-C 主动学习:特征选择+11种采样方法+CodeBERT、GraphCodeBERT+多分类(问题分类)二元分类(克隆检测)非分类任务(代码总结)
89 0
|
9月前
|
机器学习/深度学习 存储 自然语言处理
使用特征包方法进行图像类别分类
使用特征包方法进行图像类别分类。这种技术通常也被称为词袋。视觉图像分类是为受测图像分配类别标签的过程。类别可能包含代表几乎任何东西的图像,例如狗、猫、火车、船。
61 0
|
11月前
|
机器学习/深度学习 算法 开发者
特征生成(特征创建)
特征生成(特征创建)
|
机器学习/深度学习
想要神经网络输出分类的概率值?应该这样写代码
想要神经网络输出分类的概率值?应该这样写代码
|
算法 数据挖掘 API
AutoML | AutoSklearn的基本分类、回归、多输出回归和多标签分类数据集的使用示例
AutoML | AutoSklearn的基本分类、回归、多输出回归和多标签分类数据集的使用示例
121 0
AutoML | AutoSklearn的基本分类、回归、多输出回归和多标签分类数据集的使用示例
|
人工智能 数据格式
跟着Nature学作图 | 配对哑铃图+分组拟合曲线+分类变量热图
跟着Nature学作图 | 配对哑铃图+分组拟合曲线+分类变量热图
200 0
跟着Nature学作图 | 配对哑铃图+分组拟合曲线+分类变量热图
ML之回归预测之Lasso:利用Lasso算法解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】
ML之回归预测之Lasso:利用Lasso算法解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】
ML之回归预测之Lasso:利用Lasso算法解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】