我正在使用来自anaconda的Jupyter笔记本和python 2.7。我有一个大约250,000维的数据集，我需要压缩到n个较低的维度。我正在使用scikit TSNE。在为week_v = 7或n=5运行TSNE时，它运行正常。但是当我转到n=10或更多时，会显示以下消息：n=50没有显示错误消息。问题是什么？是由于内存过载吗？我应该将终端中的代码作为脚本而不是Jupyter运行吗？
我的TSNE功能：
"The kernel appears to have died."diff_df是一个全球熊猫数据框
答案 0 :(得分：4)
我找到了使用python-bhtsne的解决方案，这也是 Barnes-Hut的t-Distributed随机邻居嵌入方法的实现。
它非常容易实现，甚至提供了一个选项，可以在tsne的每次运行中使用相同的参数获得相同的输出 - 这在scikit实现中是不存在的。
它是Laurens van der Maaten最初实现的python包装器。
所以基本上你只需要执行以下操作而不是来自TSNE的常规scikit：
from bhtsne import tsne
data_nd_tsne = tsne(diff_df)