在Scikit-learn中，可以使用TSNE类来实现t-SNE降维。以下是一个简单的示例代码：
from sklearn.manifold import TSNE
import numpy as np
# 创建一个示例数据集
X = np.random.rand(100, 10)
# 实例化t-SNE对象
tsne = TSNE(n_components=2, random_state=0)
# 拟合数据并进行降维
X_embedded = tsne.fit_transform(X)
# 输出降维后的数据
print(X_embedded)
在上面的示例中，我们首先创建一个随机数据集X，然后实例化一个t-SNE对象tsne并对数据进行拟合和降维。最后打印出降维后的数据X_embedded。
需要注意的是，t-SNE算法的运行时间较长，尤其是在处理大规模数据时。因此，建议对数据进行适当的预处理和调参，以提高算法的运行效率和降维效果。
