在学习使用Cora数据集时,输入的初始为[2708, 1433], 输入一共有2708个点,每个节点有1433个特征。测试集的大小为[1000, 1433]最后的输出为[1000, 7],表示每个点的类别。
我们要的就是查看这个[1000, 7]的预测结果。想要将他展示在一个平面上是比较困难的,因为平面是2维的。所以需要用TSNE来将[1000, 7]降维至[1000, 2]。
使用过程如下:
python
# tsne visualize
# TSNE 用于降维
tsne = TSNE()
out = tsne.fit_transform(predict) # out: [1000, 2] predict:[1000, 7]
fig = plt.figure()
for i in range(7):
indices = tensor_y == i
x, y = out[indices].T
plt.scatter(x, y, label=str(i))
plt.legend(loc=0)
plt.savefig('tsne.png')
plt.show()