Python 是否有一种直观显示高维数据的好方法？

有人能告诉我是否有一个好的（简单的）方法来可视化高维数据吗？我的数据目前是21维，但我想看看它是密集的还是稀疏的。有没有实现这一点的技术？

是可视化高维数据的常用方法

什么样的可视化最适合您的数据将取决于数据的特征——不同维度之间的关联程度如何？

如果维度相互关联，可能会有所帮助。

星型模式

适用于高维数据

如果事实数据表的基数接近维度大小的乘积，则数据密集

如果事实表的基数小于维度大小的乘积，则数据稀疏

---

中间有一个判断电话

我要搜索的流行词是。这是一种从高维空间到低维空间（2维或3维）的投影技术，其方式是使在整个空间中接近的点在投影中也接近

它通常用于可视化集群算法的输出（即，如果您的集群在MDS投影中是紧凑的，那么它们很可能也在整个空间中）

---

编辑：这不一定有助于确定数据是密集的还是稀疏的，因为在投影中会丢失比例，但它会显示数据是均匀的还是密集的（也许这就是你的意思）.

数据探索软件设计用于高维数据的可视化：数据显示为三维对象的集合（每个数据组一个），可同时显示多达13个变量。数据变量和视觉特征之间的关系比其他技术（如平行坐标）更容易记住。

不确定您希望从数据中看到什么样的模式。t-SNE及其更快的变体Barnes-Hut-SNE在可视化高维数据的相关概念组方面做得非常好。可通过R

有一个简短的教程，介绍如何对大约300维的高维数据使用它。

---

看看（巡更、平行坐标、散点图矩阵）可用于实值变量。也适用于最近的。R.

中的tourr软件包我一直在寻找可视化高维数据的方法，并发现这种方法已经得到了有效的使用。也可能帮助他人。

尝试使用

---

HyperTools是一个用Python可视化和操作高维数据的库。

我不知道答案，但是，我可以告诉你，优化这是一个非常热门的研究课题。我建议使用可视化工具，如Tableau或Spotfire。即便如此，21维还是很多，所以你可能需要执行一些降维技术，以使其达到一个有意义的水平，非常垃圾的样子，什么是，@Cory？当我试图搜索我正在使用的高维数据的良好可视化时，我发现了这个问题，我链接的t-SNE页面是一个很好的开源软件，我认为它会让其他人受益寻找一个抱歉，第一篇帖子，一个链接，我浏览了一下页面，它看起来很可信，但我已经看到无数的垃圾帖子都有同样的内容。很抱歉我的困惑，请你编辑你的帖子，这样我就可以更改投票了。