仅含2个唯一点的高维数据t-SNE降维后2D投影分散原因

t-SNE输出散点没有聚成2个点，和绘图逻辑无关，是算法特性+默认参数完全不适配你的极端数据集导致的：

• t-SNE本身不会强制高维完全相同的点映射到低维的同一个坐标。它的核心逻辑是把高维点对的相似度转化为低维的概率分布，优化过程用梯度下降迭代，哪怕两个点高维完全重合，计算得到的相似度也不是绝对的1，迭代过程中自然会产生偏移，不会完全叠在一起。
• 默认参数的perplexity（困惑度）是造成点严重分散的核心原因。scikit-learn中TSNE的默认困惑度值为30，这个参数的作用是定义每个点计算相似度时参考的近邻数量，要求每个点周围至少有数十个有效近邻才能得到稳定的相似度分布。但你的数据集总共只有2个唯一值，有效独立样本量远小于默认困惑度要求的近邻规模，这时候算法的相似度计算完全失真，会强行把同组的重复点拆成零散分布，来满足概率分布的约束条件。
• 本质上你当前的数据集完全不适合用t-SNE做降维：总共只有2个离散的12维点，不存在t-SNE擅长捕捉的局部流形结构，属于典型的工具场景错配。

• 最优方案：先对数据去重后再做t-SNE计算，避免重复值干扰参数估计，最后再把映射结果匹配回原始样本即可。参考调整后的代码：

import numpy as np
from sklearn.manifold import TSNE

def create_subplot(z_tensor, index: int, title: str, axes):
    z_np = z_tensor.detach().cpu().numpy()
    # 提取唯一值，同时记录每个原始样本对应的唯一值ID
    unique_pts, sample_labels = np.unique(z_np, axis=0, return_inverse=True)
    # 唯一值仅2个，困惑度设为最小值1即可，匹配极小样本量的计算需求
    tsne = TSNE(n_components=2, random_state=123, perplexity=1)
    embedded_unique = tsne.fit_transform(unique_pts)
    # 把降维结果匹配回全部512个原始样本
    embedded_all = embedded_unique[sample_labels]
    # 绘图时可按类别传c参数上色，区分两个簇
    axes[index].scatter(x=embedded_all[:, 0], y=embedded_all[:, 1], c=sample_labels)
    axes[index].set_title(title)

• 如果坚持要把全部512个点直接传入TSNE计算，需要把perplexity调到5以下，同时适当调低learning_rate参数减小迭代步长，避免点被甩得过散。但即使调整参数，相同高维点的低维映射也只会聚成两个紧凑的簇，不会完全重合为两个点。
• 对于仅2类取值的简单数据集，不需要用t-SNE做降维，直接给两类样本分配两个固定的二维坐标绘图即可，结果更准确可解释。

内容的提问来源于stack exchange，提问作者Gooby