我在使用Scikit-learn进行tSNE分析，大约有1000个散点图，但我似乎需要一个二维的numpy数组来访问fit_transform方法。我是Python的新手。
我的代码如下：
from sklearn.manifold import TSNEimport numpy as npimport cv2mypath='/Path/to/files/scatterplots/'onlyfiles = [ f for f in listdir(mypath) if isfile(join(mypath,f)) ]photos = np.empty(len(onlyfiles), dtype=object)for n in range(0, len(onlyfiles)): photos[n] = cv2.imread( join(mypath,onlyfiles[n]) )fig, axes = plt.subplots(2, 2, figsize=(10,10), subplot_kw={'xticks':(), 'yticks':()})for ax, img in zip(axes.ravel(), photos): ax.imshow(img)输出
问题代码
tsne = TSNE(random_state=50)digits_tsne = tsne.fit_transform (photos.data)错误
ValueError Traceback (most recent call last) in
/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/sklearn/manifold/t_sne.py in fit_transform(self, X, y)
892 Embedding of the training data in low-dimensional space.893 """–> 894 embedding = self._fit(X)
- 3 further lines of error output within t_sne.py
我认为fit_transform方法需要一个二维的numpy数组，例如：
'target': array([0, 1, 2, 3])其中0-3指的是每个散点图1-4背后的不同数据（寄生虫）。
请求如何将目标数组与图像的numpy数组结合起来，以便fit_transform方法能够识别并处理它？
回答：
请查看t-SNE的文档：
X : array, shape (n_samples, n_features)
为了使您的代码工作，您需要将图像转换为一维数组，并将它们组装成一个矩阵。
代码上，以下片段应该可以完成二维t-SNE聚类工作：
arr = [cv2.imread( join(mypath,onlyfiles[n])).ravel() for n in range(0, len(onlyfiles))]X = np.vstack[arr]tsne = TSNE(n_components=2).fit_transform(X)