![](https://cdn-ak-scissors.b.st-hatena.com/image/square/db7a147a45b7dad8a80b95fedfb960909d55d907/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUUzJTgzJTk5JUUzJTgyJUFGJUUzJTgzJTg4JUUzJTgzJUFCJUUzJTgyJTkyMiVFNiVBQyVBMSVFNSU4NSU4MyVFMyU4MSVBQiVFNSU4RiVBRiVFOCVBNiU5NiVFNSU4QyU5NiVFMyU4MSU5OSVFMyU4MiU4QiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9YzM4ZDA0YjVmOWE4NGJhYzA0M2E5YmEzOGM3ZWM0ODg%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB5LXMteS1zJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz04MGY4Mjc1MTJiNzYzYjIyMDM3NWQxZTUxYzc5ZmFkYg%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dfcd259fa358eb6bf7792eea6715d0ea8)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
ベクトルを2次元に可視化する - Qiita
from sklearn.decomposition import PCA #主成分分析器 pca = PCA(n_components=2) pca.fit(vecs) x = p... from sklearn.decomposition import PCA #主成分分析器 pca = PCA(n_components=2) pca.fit(vecs) x = pca.transform(vecs) X = [] Y = [] for j in range(len(x)): X.append(x[j][0]) Y.append(x[j][1]) fig, ax = pyplot.subplots(figsize=(15,15)) ax.scatter(X, Y) for i, txt in enumerate(Name): ax.annotate(txt, (X[i], Y[i])) pyplot.savefig("img.png") # 保存 例 - Example Wikipedia2Vecの事前学習モデルから国名に対応するベクトルを抽出し,可視化した結果 Visu