使用 PCA 或 t-SNE 和 Matplotlib 测量数据图答案

【问题标题】：Measuring plots of data with PCA or t-SNE and Matplotlib使用 PCA 或 t-SNE 和 Matplotlib 测量数据图
【发布时间】：2020-02-05 11:03:02
【问题描述】：

我的目标是找出我是否可以在 Python 中操作和测量来自 PCA 或 t-SNE 图的数据。我想知道是否有一种方法可以找到点到集群中心的距离。

我认为有办法，但我不太确定。

【问题讨论】：

标签： python matplotlib keras pca dimensionality-reduction

【解决方案1】：

你没有具体说明，但也许这可以帮助你：

聚类技术信息： https://scikit-learn.org/stable/modules/clustering.html#clustering

降维： https://scikit-learn.org/stable/modules/decomposition.html#decompositions

也许下面的脚本可以帮助你：

from sklearn.decomposition import PCA

    X= your_data_variables
    cluster = "your cluster technique"   
    cluster.fit(X)
    pca=PCA(n_components= 2)
    pca.fit(X)
    pca_data = pd.DataFrame(pca.transform(X))
    centers = pca.transform(cluster.cluster_centers_)

现在您有了聚类中心和二维数据，您可以根据需要计算距离。

【讨论】：

感谢您提供这些资源。抱歉有点含糊，但我想编写一个程序，实时返回成对距离 [?] 将新数据与 t-SNE 或 PCA 数据图进行比较。这可能吗？
我改变我的答案，也许这对你有帮助。