具有稀疏矩阵的sklearn tsne

Question

我正在尝试使用预先计算的距离值在非常稀疏的矩阵上显示tsne，但我遇到了麻烦。

归结为：

row = np.array([0, 2, 2, 0, 1, 2])
col = np.array([0, 0, 1, 2, 2, 2])
distances = np.array([.1, .2, .3, .4, .5, .6])
X = csc_matrix((distances, (row, col)), shape=(3, 3))
Y = TSNE(metric='precomputed').fit_transform(X)

然而，我收到此错误：

  

TypeError：传递了稀疏矩阵，但需要密集数据   方法= “barnes_hut”。使用X.toarray（）转换为密集的numpy数组   如果数组足够小，以适应内存。除此以外   考虑降维技术（例如TruncatedSVD）

我不想执行TruncatedSVD，因为我已经计算了距离。

如果我更改method='exact'，我会收到另一个错误（这有点可疑）：

  

NotImplementedError：＆gt; =和＆lt; =不能与0一起使用。

注意：我的距离矩阵大约是100k x 100k，大约有1M非零值。

有什么想法吗？

Answer 1

我认为这可以解决您的问题：

X = csr_matrix((distances, (row, col)), shape=(3, 3)).todense()

如果您确实使用csr_matrix而不是csc_matrix