词向量列表上的 T-SNE 可视化

Question

我有一个大约 20k 单词向量（'tuple_vectors'）的列表，没有标签，每个向量如下所示

[-2.84658718e+00 -7.74899840e-01 -2.24296474e+00 -8.69364500e-01
  3.90927410e+00 -2.65316987e+00 -9.71897244e-01 -2.40408254e+00
  1.16272974e+00 -2.61649752e+00 -2.87350488e+00 -1.06603658e+00
  2.93374014e+00  1.07194626e+00 -1.86619771e+00  1.88549474e-01
 -1.31901133e+00  3.83382154e+00 -3.46174908e+00 ...

有没有一种快速、简洁的方法来使用 t-sne 进行可视化？

我尝试过以下方法

from sklearn.manifold import TSNE

n_sne = 21060


tsne = TSNE(n_components=2, verbose=1, perplexity=40, n_iter=300)
tsne_results = tsne.fit_transform(tuple_vectors)
plt(tsne_results)

Answer 1

如果您首先对文本进行矢量化，我建议使用yellowbrick库。由于 TSNE 非常昂贵，TSNEVisualizer因此yellowbrick提前应用更简单的分解（默认情况下具有 50 个分量的 SVD），然后执行 t-SNE 嵌入。然后，可视化工具会绘制散点图，该散点图可以按簇或类着色。这是一个使用 tf-idfvectorizer 的简单示例：

from yellowbrick.text import TSNEVisualizer
from sklearn.feature_extraction.text import TfidfVectorizer

# vectorize the text
tfidf  = TfidfVectorizer()
tuple_vectors = tfidf.fit_transform(sample_text)

# Create the visualizer and draw the vectors
tsne = TSNEVisualizer()
tsne.fit(tuple_vectors)
tsne.poof()