不响地把包装纸丢在了他手心。
慕留把两张糖纸扔进垃圾桶，坐下来，“所以是哪看不懂？”
杨枝很想把他赶出家，为什么这个地方是他的家。
她用鼠标圈出来，“这几行。”
不知道是因为嘴里有糖，还是因为不想跟慕留说话，她的嘴张得不够开，声音有点含混。
“嗯，”慕留敛了笑意，认真地问她，“词向量维度100是什么意思？”
“词向量里有100个元素。”
“对，具体说是有一个向量空间，它有100个维度，我们把这个词映射到这个空间里，得到了100个坐标。同一个词在不同维度的表现可能差异很大，举个例子，”慕留对着屏幕想了两秒，“比如‘小牛’和‘小羊’。”
杨枝用余光瞟了他一眼，没出声。
“在一个和动物有关的维度上，‘小牛’和‘小羊’可能会表现得很相似，浮点数很接近，但是在别的维度，比如地理位置，或者是一个不可解释的维度上，‘小牛’和‘小羊’可能就会表现得差异很大，相关性很低。所以维度越高，捕捉到的词语关系就会越准。”
杨枝“嗯”了一声。
慕留说到这里，开始一边敲代码一边讲：“这里它设定的维度是50，其实是很低的维度。但是它想把词向量可视化，可视化的话维度50还是太高，一般是2或者3。”
他扭头看向杨枝，“所以要怎么办？”
杨枝看向屏幕，“降维。”
“对，”慕留把头转回去，“降维有几种办法，它这里用的是tsne算法，所以加了一个rtsne的包，后面这两个参数，dims就是维度，theta你可以理解成一个加快计算速度的参数，一般在0到1之间取，它取了0.1，这个值比较小，所以计算速度就比较慢，但是算得更精确。”
手指适时按下两个井号，把他说的一些重点写成注释。
她提问：“可以取到0和1吗？”
“可以，取到0的时候结果最精确，取到1的时候算得最快。还有哪里没听懂吗？”
杨枝含着糖摇摇头。
“那我继续了？”
杨枝含着糖点点头。
慕留把可视化的函数敲完，杨枝的糖也吃完了，只剩下最后一步，设置图表的格式。
“这个图应该挺密集的，想要什么颜色？”慕留问杨枝。
是很密集，满眼的鲜红色小点
…。。