【机器学习】基于t-SNE数据可视化工程

一、说明

        t-SNE (t-Distributed Stochastic Neighbor Embedding)是一种常用的非线性降维技术。它可以将高维数据映射到一个低维空间（通常是2D或3D）来便于可视化。Scikit-learn API提供TSNE类，以使用T-SNE方法可视化数据。在本教程中，我们将简要学习如何在 Python 中使用 TSNE 拟合和可视化数据。

二、 t-SNE是个什么？

2.1 什么是t-SNE？

        t-分布式随机邻居嵌入 （t-SNE） 是一种无监督的非线性技术，主要用于数据探索和可视化高维数据。简单来说，t-SNE让你感觉或直觉数据在高维空间中的排列方式。它由Laurens van der Maatens和Geoffrey Hinton于2008年开发。

       而且， t-SNE尝试保留原始高维数据之间的相对距离关系，并在低维空间中利用概率分布来表示数据之间的相似性关系。t-SNE常用于数据探索、聚类和分类等领域。

2.2 t-SNE 和 PCA有啥不同？

        如果您熟悉