t-SNE的核心作用是可视化聚类结构而非度量距离；其坐标无绝对尺度意义，仅相对位置可信；perplexity需匹配数据局部密度；大数据需降维加速；可视化须注意标签编码、点大小和坐标轴比例。
TSNE 的核心作用不是“还原距离”，而是让相似点扎堆、不相似点分开。它不适合做聚类后直接拿坐标算欧氏距离，但特别适合一眼看出数据里有没有自然形成的簇、有没有离群样本、不同标签是否混在一起。
为什么 fit_transform 后的坐标不能直接当空间坐标用
t-SNE 输出的二维坐标 X_tsne[:, 0] 和 X_tsne[:, 1] 没有绝对尺度意义：横轴单位不是“米”，也不是“标准差”，更不是原始特征的任何线性组合。它只保证相对位置可信——比如点 A 离点 B 近、离点 C 远，这种排序大概率在高维空间也成立；但 A 和 B 之间是 0.3 还是 0.8，毫无解释力。
- 如果你用
scipy.spatial.distance.pdist(X_tsne)算两两点距再聚类，结果很可能比原始高维空间还差 - 图上两个簇中心看起来相距很远，不代表它们在原始空间中语义差异大；可能只是优化过程中的随机拉伸
- 同一组数据跑两次
TSNE（没设random_state），形状会不同，但簇内紧凑性、簇间分离感通常一致
perplexity 参数怎么选才不翻车
perplexity 控制每个点“看多远找邻居”，本质是平滑高斯分布的 σ。它不是越大越好，也不是越小越细，而要匹配你数据的局部密度结构：
- 样本量
- 样本量 1000–10000：30 是常用起点，像 MNIST、CIFAR 嵌入常用 30–50
- 样本量 > 50000：别硬扛默认
O(n²)复杂度，先用init='pca'+learning_rate=200加速，perplexity可设 50–100，但务必观察局部是否糊成一片 - 如果所有点挤成一团、边界模糊，大概率
perplexity太大；如果出现大量孤立点、簇内断裂，可能是太小
内存和速度卡住时的实操对策
当 n_samples > 5000 且 n_features > 100，TSNE 默认会吃光 16GB 内存并跑十几分钟。这不是 bug，是算法设计使然：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 先用
PCA(n_components=50)把特征压到 50 维以内再喂给TSNE，对图像/文本嵌入几乎无损 - 加参数
init='pca'，跳过随机初始化，收敛快一倍以上 - 显存够的话，换
openTSNE库（pip install openTSNE），支持多核 + Barnes-Hut 近似，万级样本秒出 - 真要处理百万样本？放弃单机
TSNE，改用UMAP或分批采样 + 插值，别硬刚
可视化时最容易被忽略的三件事
很多人画完散点图就以为结束了，但关键信息常藏在细节里：
- 别用
c=y直接传标签数组——如果y是字符串或 object 类型，matplotlib会静默失败，显示全黑点；务必转成pd.Categorical(y).codes或LabelEncoder().fit_transform(y) - 点大小
s=10在千级样本下还行，但万级样本必须设s=0.5甚至s=0.1，否则重叠遮盖严重 - 加一句
plt.axis('equal')，否则 x/y 轴缩放不一致会让圆形簇变椭圆，误导你判断结构
真正难的不是调通代码，而是看懂图里哪些分离是真实的、哪些是 perplexity 和随机性造的假象。建议对同一数据跑 3 次不同 random_state，只相信反复出现的簇结构。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
