Python - 使用sklearn MDS类在2D中可视化Doc2Vec多维向量

Question

对于我的Doc2Vec训练模型的简单评估，我需要将400维向量转换为2维，并将文档可视化为一组节点，其中任意两个节点之间的距离与它们的相似性（高度相似的节点紧密相连）。

经过一番搜索后，我找到了MDS（多维缩放）和sklearn MDS库。

现在我有2.2M向量，每个向量都有400个维度，我不知道如何以最低的成本将它们传递给sklearn MDS函数以正确的语法。我知道在2.2M向量之间创建相似性矩阵是不可能的。

Answer 1

对于一个相当类似的任务，我发现降低Doc2Vec的维度（在我们的例子中从默认值100到30）对于任何类型的空间重建绝对至关重要，即使对于相对较小的数据集也可以在Macbook Pro上工作。

This是一个很好的起点（尽管有tSNE减少和过时的接口）。