Python fit_变换（图像）TSNE方法的Numpy数组格式

我正在使用Scikit learn for tSNE查询大约1000个散点图，但我似乎需要一个2D numpy阵列来访问fit_变换方法。我是Python新手

我的代码

from sklearn.manifold import TSNE
import numpy as np
import cv2
mypath='/Path/to/files/scatterplots/'
onlyfiles = [ f for f in listdir(mypath) if isfile(join(mypath,f)) ]
photos = np.empty(len(onlyfiles), dtype=object)
for n in range(0, len(onlyfiles)):
  photos[n] = cv2.imread( join(mypath,onlyfiles[n]) )

fig, axes = plt.subplots(2, 2, figsize=(10,10), subplot_kw={'xticks':(), 'yticks':()})
for ax, img in zip(axes.ravel(), photos):
   ax.imshow(img)

输出

问题代码

tsne = TSNE(random_state=50)
digits_tsne = tsne.fit_transform (photos.data)

错误

ValueError回溯（最近一次调用上次） 在

/fit_变换中的Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/sklearn/manifold/t_sne.py（self，X，y）

-->894嵌入=自拟合（X）

• t_sne.py内的3行错误输出

我相信fit_变换方法需要一个2D numpy数组，例如

'target': array([0, 1, 2, 3])

其中0-3是指每个散点图1-4后面的不同数据（寄生虫）

请求

---

如何将目标阵列组合到图像numpy阵列中，以便fit_transform可以看到并处理它？

请查看文档以了解：

X：阵列、形状（n个样本、n个特征）

为了使您的案例有效，您需要将图像投射到1d阵列，并从中组合出一个矩阵

在代码方面，以下代码片段应该完成二维t-SNE集群的工作：

arr = [cv2.imread( join(mypath,onlyfiles[n])).ravel() for n in range(0, len(onlyfiles))]
X = np.vstack[arr]
tsne = TSNE(n_components=2).fit_transform(X)

---

请检查以下文件：

X：阵列、形状（n个样本、n个特征）

为了使您的案例有效，您需要将图像投射到1d阵列，并从中组合出一个矩阵

在代码方面，以下代码片段应该完成二维t-SNE集群的工作：

arr = [cv2.imread( join(mypath,onlyfiles[n])).ravel() for n in range(0, len(onlyfiles))]
X = np.vstack[arr]
tsne = TSNE(n_components=2).fit_transform(X)

---

照片.数据的形状是什么？谢谢，打印（照片.形状）。。。。输出（4，）。只是为了解释一下，这只是一个示例数据集。为了适应算法，您需要向它提供数据。在您的例子中，每个图像的像素值。尝试使用单个图像运行

fit\u transform（）

。我猜那张图片应该是2D形状的。谢谢，我刚才试过了，得到了同样的错误。。是的，图像具有2D形状。

照片的形状是什么。数据

？谢谢，打印（照片。形状）。。。。输出（4，）。只是为了解释一下，这只是一个示例数据集。为了适应算法，您需要向它提供数据。在您的例子中，每个图像的像素值。尝试使用单个图像运行

fit\u transform（）

。我猜那张图片应该是2D形状的。谢谢，我刚才试过了，得到了同样的错误。。是的，这张图片是2D形状的。谢谢，这非常令人兴奋。。。我很快会回来的。再次谢谢你。唯一的区别是“X=np.vstack（arr）”。相关的手稿将需要大约1年的时间才能发表，但我肯定会承认@SergeyBushmanov是一个重要的帮助来源。谢谢，这非常令人兴奋。。。我很快会回来的。再次谢谢你。唯一的区别是“X=np.vstack（arr）”。相关的手稿大约需要1年时间才能发表，但我肯定会承认@SergeyBushmanov是一个重要的帮助来源。