是否可以在大稀疏矩阵上使用Scikit tsne

Question

Scikit文档说明fit_transform只能用于密集的矩阵，但是我有一个CSR格式的稀疏矩阵，我想在tsne上执行tsne。文档说使用fit方法进行稀疏矩阵，但这不会返回低维嵌入。

我感谢我可以使用.todense()方法，如这个问题，但是我的数据集非常大（0.4*10^6行和0.5*10^4列），因此不适合内存。确实，使用稀疏矩阵进行此操作会很高兴。是否可以使用Scikit tsne（或任何其他Python实现TSNE）来降低大稀疏矩阵的维度并返回低维嵌入以可视化？

Answer 1

来自同一文档：

强烈建议使用另一种维度降低方法（例如，用于密集数据的PCA或稀疏数据的截断），以将尺寸的数量减少到合理的数量（例如50），如果特征的数量很高。这将抑制一些噪音，并加快样品之间成对距离的计算。

使用sklearn.decomposition.TruncatedSVD而不是。