Это потому, что у sklearn code нет регистрации. В руководстве , способствующем , для этого нет стандартного подхода.
Однако вы можете использовать флаг verbose , чтобы получить больше информации о том, что делает класс.
Если вы используете флаг следующим образом:
import numpy as np
from sklearn.manifold import TSNE
X = np.array([[0, 0, 0], [0, 1, 1], [1, 0, 1], [1, 1, 1]])
tsne = TSNE(n_components=2, verbose=1) # note the verbose flag
X_embedded = tsne.fit_transform(X)
X_embedded.shape(4, 2)
Вывод будет
[t-SNE] Computing 3 nearest neighbors...
[t-SNE] Indexed 4 samples in 0.000s...
[t-SNE] Computed neighbors for 4 samples in 0.000s...
[t-SNE] Computed conditional probabilities for sample 4 / 4
[t-SNE] Mean sigma: 1125899906842624.000000
[t-SNE] KL divergence after 250 iterations with early exaggeration: 31.763723
[t-SNE] KL divergence after 650 iterations: 0.048727
Этот код адаптирован из sklearn Пример кода TSNE,
Обратите внимание, что вывод является стандартным выводом, а не файлом чего-то подобного. Все сообщения с флагом verbose записываются с использованием функции print .