根据上述说说

python from sklearn.manifold import TSNE import matplotlib.pyplot as plt from sklearn.datasets import make_blobs

X, y = make_blobs

tsne = TSNE

Xtsne = tsne.fittransform

plt.figure) plt.scatter plt.xlabel plt.ylabel plt.title plt.colorbar plt.show

在这玩意儿示例中，我们先说说用make_blobs函数生成了一个包含100个样本和3个中心点的二维数据集。然后 我们创建了一个TSNE对象，并指定了以下参数：

• n_components=2将数据降维到二维地方。
• perplexity=30控制邻域巨大细小，这玩意儿值通常需要根据数据集进行调整。
• learning_rate=200控制梯度减少的步长远，较高大的值兴许加速收敛但兴许弄得不稳稳当当的解。
• random_state=42确保每次运行后来啊相同。

之后 我们用fit_transform方法将数据降维到二维地方，并用scatter函数绘制散点图，其中个个点的颜色代表其原始的簇。

再说说我们用show函数kan得出来图形。这玩意儿可视化Neng帮我们直观地kan到数据点在二维地方中的聚类情况。