python - 如何在Sklearn中保存PCA和T-SNE的学习权重/参数

Question

我有两组数据，假设 A 和 B。 我想将 PCA 和 T-sne 应用于 A 并微调算法。 有一次，我对自己的调整感到满意，我想将学到的东西保存到一些 pickle 文件中。 现在我想将相同的学习 PCA 和 t-sne 应用于集合 B。 我希望 t-sne 每次在 B 上产生相同的结果。我希望如此，因为我假设，我们也可以保存学习的 t-sne 参数的状态。如果参数相同，并且每次加载相同的文件时，每次在集合 B 上应用 t-sne 的结果应该是相同的。 我怎样才能在 Sklearn 和 python 中做到这一点？ 抱歉，我是 ML 和 python 的新手，这可能是一个非常基本的问题。

Answer 1

微调 T-SNE 等于为您的数据调整一些启发式算法(毕竟它是病态的；高维 -> 低维映射是有损的)。

将这种调整和学习的映射应用到其他数据是由 sklearn 的 transform 完成的。

但是:您会看到 T-SNE 没有 transform 方法，原因如下 here (包括进一步讨论):

It is a transductive learner, like many clustering algorithms: the model is not really applicable beyond the data points it is fed as training.

因此，无论您为数据集 A 调整什么，都并不真正适用于数据集 B(包括参数)!

对于 PCA 来说这是微不足道的。使用 docs: model_persistence 中描述的方法并使用 PCA 的 transform -方法(假设兼容的数据集；维度!)。