t-SNE报错或结果异常的根本原因是输入格式错误：必须为(n_samples, n_features)二维数值数组，常见错误包括传入三维张量、DataFrame未取.values、稀疏矩阵未转稠密或未flatten嵌入向量；预处理需先标准化再降维，高维数据应先用PCA/TruncatedSVD压缩至50–100维，再调用t-SNE并设置random_state、合理perplexity及learning_rate。
为什么直接调用 TSNE 会报错或结果异常
常见现象是 ValueError: array must be 2-dimensional 或降维后点全部堆叠在原点附近。根本原因不是数据维度高，而是输入格式不对：t-SNE 要求输入是 (n_samples, n_features) 的二维数组，但很多人误传了三维张量（比如图像 batch）、带索引的 DataFrame、或未 flatten 的嵌入向量（如 BERT 输出的 (batch, seq_len, hidden)）。另外，fit_transform 不接受稀疏矩阵，若用 scipy.sparse 存储特征，必须先转成 .toarray() 或用 sklearn.manifold.TSNE 的 metric='precomputed' 模式配合距离矩阵。
如何预处理高维特征并控制内存与精度
t-SNE 对高维数据（>1000 维）直接运行极慢且易陷入局部最优。实际中应先做粗粒度降维：
- 用
TruncatedSVD（适合稀疏文本）或PCA（适合稠密数值）将原始特征压缩到 50–100 维，再送入 t-SNE —— 这步能提速 3–10 倍，且通常提升可视化分离度 -
TSNE的perplexity参数需随样本量调整：小数据集（10000）建议 30–50，过高会导致结构模糊 - 务必设置
random_state（如random_state=42），否则每次运行坐标完全不一致，无法复现或比对 - 避免使用
init='pca'以外的初始化方式（默认就是'pca'），'random'初始化在高维下几乎必然失败
如何正确传入非数值型或带标签的数据
t-SNE 只接受数值型二维数组，所有非数值列（如类别字符串、ID、时间戳）必须剔除。常见错误是直接传入 pandas DataFrame 而未提取 .values：
import numpy as np from sklearn.manifold import TSNE <h1>✅ 正确：取数值部分并确保是 ndarray</h1><p>X_numeric = df.select_dtypes(include=[np.number]).values # 自动丢弃非数值列 X_reduced = TSNE(n_components=2, random_state=42).fit_transform(X_numeric)</p><h1>❌ 错误：传入 DataFrame（会隐式调用 <strong>array</strong> 但可能含 object 类型）</h1><h1>TSNE().fit_transform(df) # 报错 TypeError: Cannot convert object array to float64</h1>
标签（如 y）不能传给 t-SNE，它只做无监督降维；后续绘图时再用标签着色即可。
为什么降维后点分布稀疏或聚类不明显
这往往不是算法问题，而是尺度和参数失配：
-
learning_rate太小（如默认 200）导致收敛过慢，点“走不动”；对 >10k 样本，可试learning_rate=500或用'auto'（sklearn 1.2+） - 原始特征未标准化：t-SNE 对量纲敏感，
StandardScaler或MinMaxScaler必须在 PCA/TruncatedSVD 之前应用（即缩放原始高维特征） - 样本数极少（perplexity 应设为
max(5, n_samples//3)，否则 KL 散度优化无意义 - 别依赖单次运行结果——t-SNE 随机性强，建议用
early_exaggeration=24+ 多次运行 + UMAP 对比验证结构稳定性
高维数据的 t-SNE 不是黑盒按钮，关键在预处理链路是否闭环：标准化 → 粗降维 → 参数适配 → 多次验证。漏掉任何一环，坐标就只是随机噪声。
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！
