大警报！

T-SNE不是降维算法（如 PCA、LLE、UMAP 等）。它仅用于可视化，因此，超过 3 个维度没有意义。

T-SNE 不是一种参数化方法，因此您不会获得基于它来降低新数据集（验证、测试）维数的基本向量表示。这就是为什么它不能用于降维。

它仅根据它看到的数据随机计算，因此如果您在训练集上使用它，则无法对您的测试集进行相同的计算，因此无法使用 T-SNE 建模。

如果您看到 Sklearn 函数，对于 PCA 和其他维度算法，您会看到 fit()、transform() 和 fit_transform() 函数，但对于 T-SNE，您只有 fit() 和 fit_transform()，因为您将没有模型transform() 一个新的数据集。

我试图直观。如果您需要更多技术解释，请发表评论。