python tsne.transform 不存在？

Question

我正在尝试使用 tsne 转换两个数据集：x_train 和 x_test。我假设这样做的方法是将 tsne 拟合到 x_train，然后转换 x_test 和 x_train。但是，我无法转换任何数据集。

tsne = TSNE(random_state = 420, n_components=2, verbose=1, perplexity=5, n_iter=350).fit(x_train)

我假设 tsne 已安装到 x_train。

但是，当我这样做时：

x_train_tse = tsne.transform(x_subset)

我得到：

AttributeError: 'TSNE' object has no attribute 'transform'

任何帮助将不胜感激。（我知道我可以做fit_transform，但我不会在 x_test 上得到同样的错误吗？）

Answer 1

从sklearn的文档来看，TSNE 根本没有任何转换方法。

此外，TSNE 是一种用于维度减少/可视化的无监督方法，因此它实际上不适用于 TRAIN 和 TEST。您只需获取所有数据并使用 fit_transform 进行转换并绘制它。

编辑 - 实际上不可能学习转换并将其重用于不同的数据（即训练和测试），因为 T-sne 不会在较低维空间上学习映射函数，而是在子空间上运行迭代过程以在某些数据上找到最小化损失/距离的平衡。

因此，如果您想对训练和测试数据集进行预处理和降维，那么要走的路是 PCA/SVD 或自动编码器。T-Sne 只会帮助您完成无人监督的任务 :)

Answer 2

检查openTSNE。它拥有您所需要的一切。

例如，您还可以使用 pickle.dump 保存训练后的模型。

Answer 3

正如接受的答案所说，没有单独的转换方法，并且它可能无法在训练/测试设置中工作。

但是，您仍然可以使用 TSNE，而不会泄露信息。

训练时间

计算训练集上每条记录的 TSNE，并将其用作分类算法中的特征。

测试时间

附加您的训练和测试数据并对 TSNE 进行 fit_transform。现在继续处理您的测试集，使用 TSNE 作为这些记录的功能。

这是否会导致信息泄露？不。

推理时间

新记录以图像或表格行等形式到达。
将新行添加到训练表中，计算 TSNE（即新样本相对于训练样本在空间中的位置）。执行任何其他处理并针对该行运行您的预测。

效果很好。有时，由于 Kaggle 等原因，我们过于担心训练/测试分离。但主要的是你的方法是否可以在推理时复制，并具有与实际使用相同的预期精度。在这种情况下，是的，可以！

唯一的缺点是您需要在推理时提供训练数据库，并且根据大小，预处理可能会很昂贵。