网站制作员,软装设计师是干什么的,专业做网文的网站有哪些,wordpress 微博客在学习使用Cora数据集时#xff0c;输入的初始为[2708, 1433], 输入一共有2708个点#xff0c;每个节点有1433个特征。测试集的大小为[1000, 1433]最后的输出为[1000, 7]#xff0c;表示每个点的类别。 我们要的就是查看这个[1000, 7]的预测结果。想要将他展示在一个平面上是…在学习使用Cora数据集时输入的初始为[2708, 1433], 输入一共有2708个点每个节点有1433个特征。测试集的大小为[1000, 1433]最后的输出为[1000, 7]表示每个点的类别。 我们要的就是查看这个[1000, 7]的预测结果。想要将他展示在一个平面上是比较困难的因为平面是2维的。所以需要用TSNE来将[1000, 7]降维至[1000, 2]。
使用过程如下
# tsne visualize# TSNE 用于降维tsne TSNE()out tsne.fit_transform(predict) # out: [1000, 2] predict:[1000, 7]fig plt.figure()for i in range(7):indices tensor_y ix, y out[indices].Tplt.scatter(x, y, labelstr(i))plt.legend(loc0)plt.savefig(tsne.png)plt.show()
