使用TSNE函数画出聚类结果python代码

下面是使用TSNE函数画出聚类结果的Python代码示例： ```python import numpy as np import matplotlib.pyplot as plt from sklearn.manifold import TSNE from sklearn.cluster import KMeans # 生成随机数据 X = np.random.rand(100, 50) # 使用KMeans进行聚类 kmeans = KMeans(n_clusters=5, random_state=0).fit(X) labels = kmeans.labels_ # 使用TSNE进行降维 tsne = TSNE(n_components=2, random_state=0) X_tsne = tsne.fit_transform(X) # 绘制聚类结果 plt.scatter(X_tsne[:, 0], X_tsne[:, 1], c=labels) plt.show() ``` 这段代码首先生成了一个100行50列的随机数据矩阵X，然后使用KMeans算法对其进行聚类，得到每个样本所属的类别标签。接着使用TSNE算法将数据降到二维空间中，最后使用matplotlib库绘制出聚类结果。其中，X_tsne[:, 0]和X_tsne[:, 1]分别表示降维后的数据在第一维和第二维上的坐标，c=labels表示按照聚类结果对数据点进行着色。