在Scikit-learn中，可以使用TSNE類來實現t-SNE降維。以下是一個簡單的示例代碼：
from sklearn.manifold import TSNE
import numpy as np
# 創建一個示例數據集
X = np.random.rand(100, 10)
# 實例化t-SNE對象
tsne = TSNE(n_components=2, random_state=0)
# 擬合數據并進行降維
X_embedded = tsne.fit_transform(X)
# 輸出降維后的數據
print(X_embedded)
在上面的示例中，我們首先創建一個隨機數據集X，然后實例化一個t-SNE對象tsne并對數據進行擬合和降維。最后打印出降維后的數據X_embedded。
需要注意的是，t-SNE算法的運行時間較長，尤其是在處理大規模數據時。因此，建議對數據進行適當的預處理和調參，以提高算法的運行效率和降維效果。
