sklearn tsne用稀疏矩陣

Question

我試圖顯示一個非常稀疏矩陣與預計算距離值tsne但我有麻煩它。

它歸結爲：

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) 

不過，我得到這個錯誤：

TypeError: A sparse matrix was passed, but dense data is required for method="barnes_hut". Use X.toarray() to convert to a dense numpy array if the array is small enough for it to fit in memory. Otherwise consider dimensionality reduction techniques (e.g. TruncatedSVD)

我不想執行TruncatedSVD因爲我已經計算出的距離。

如果我改變method='exact'，我得到另一個錯誤（這有點可疑）：

NotImplementedError: >= and <= don't work with 0.

注：我的距離矩陣是100K左右X 100K大約1M非零值。

任何想法？

Answer 1

我想這應該解決您的問題：

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

如果你真的換貨csc_matrix