使用Python和Matplotlib绘制t-SNE二维图

在Python中，我们可以使用Scikit-learn库中的t-SNE算法将高维数据降维到二维空间，然后使用Matplotlib库绘制散点图。为了为每个类设置指定的颜色和标签，我们需要将标签和颜色映射到每个点。以下是一个简单的示例代码：
首先，确保已经安装了所需的库。如果没有安装，可以使用以下命令安装：

pip install matplotlib scikit-learn numpy

接下来，我们将使用以下代码来绘制t-SNE图：

import matplotlib.pyplot as plt
import numpy as np
from sklearn.manifold import TSNE
from sklearn.datasets import load_digits
from sklearn.preprocessing import LabelEncoder
# 加载数据集
digits = load_digits()
X = digits.data
y = digits.target
# 将标签编码为整数
label_encoder = LabelEncoder()
y_encoded = label_encoder.fit_transform(y)
# 运行t-SNE算法并获取降维后的数据
tsne = TSNE(n_components=2, random_state=0)
X_2d = tsne.fit_transform(X)
# 将标签和颜色映射到每个点
labels = label_encoder.inverse_transform(y_encoded)
colors = [plt.cm.Spectral(each) for each in np.linspace(0, 1, len(labels))]
# 绘制散点图，为每个类设置指定的颜色和标签
for i, color in enumerate(colors):
plt.scatter(*X_2d[y_encoded == i], c=color, label=str(i))
plt.legend()
plt.show()

这段代码首先加载digits数据集，然后使用LabelEncoder将标签编码为整数。接下来，运行t-SNE算法将数据降维到二维空间。然后，将标签和颜色映射到每个点，并使用Matplotlib绘制散点图。最后，显示图形。
请注意，这只是一个简单的示例代码，你可以根据需要调整参数和样式。例如，你可以通过调整t-SNE算法的参数来改变降维效果，或者通过调整Matplotlib的参数来改变散点图的样式。