sklearn tsne用稀疏矩阵

Question

我试图显示一个非常稀疏矩阵与预计算距离值tsne但我有麻烦它。

它归结为：

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) 

不过，我得到这个错误：

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)

我不想执行TruncatedSVD因为我已经计算出的距离。

如果我改变method='exact'，我得到另一个错误（这有点可疑）：

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

注：我的距离矩阵是100K左右X 100K大约1M非零值。

任何想法？

Answer 1

我想这应该解决您的问题：

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

如果你真的换货csc_matrix