我面临一个基于图像相似性进行聚类的问题，且事先不知道聚类的数量。我希望能实现类似于这个http://cs231n.github.io/assets/cnnvis/tsne.jpeg (http://cs231n.github.io/understanding-cnn/ 这张图片是卷积神经网络的结果，展示了它所学习的组别)的效果。

因为我对它们的分类不感兴趣（我不知道类别），我主要关注它们的“视觉”属性：颜色、形状、渐变等。我找到了许多文章，建议使用像DBSCAN、t-SNE甚至k-means这样的算法，但有没有更好的解决方案呢？也有人建议使用HOG变换，但说实话，我不知道如何将这些拼接在一起。

总的来说，如何根据图像的颜色和形状属性 将图像分组（在二维平面上，分成组、文件夹或其他形式）？

回答：

t-SNE实际上非常适合你想要做的事情。

t-分布随机邻域嵌入（t-SNE）是一种（获奖的）降维技术，特别适合于高维数据集的可视化。

你可以在这里了解更多。

如往常一样，sklearn有一个非常用户友好的TSNE对象，可以快速尝试一下。

希望这对你有帮助…