Separace cen domů pomocí t-SNE

t-SNE je nelineární technika redukce dimenzionality. Vkládá vícerozměrná data do prostoru s nižším počtem dimenzí a přitom se snaží zachovat sousedství jednotlivých bodů. Vytvoříš graf t-SNE, který pak porovnáš s grafem PCA z předchozího cvičení. PCA zachovává globální strukturu dat, ale ne lokální. t-SNE naopak zachovává lokální strukturu tím, že body, které jsou si blízko ve vícerozměrném prostoru, zůstanou blízko i v prostoru s nižší dimenzionalitou. To uvidíš přímo v grafech.

Aplikuješ t-SNE na redukci datasetu house_sales_df. Cílová proměnná house_sales_df je price. Balíčky tidyverse a Rtsne jsou už načtené.

Toto cvičení je součástí kurzu

Redukce dimenzionality v R

Zobrazit kurz

Pokyny k cvičení

Natrénuj t-SNE na datasetu house_sales_df pomocí Rtsne().
Připoj souřadnice X a Y t-SNE k datasetu house_sales_df.
Vizualizuj výsledky t-SNE pomocí ggplot() a zakóduj cílovou proměnnou barvou.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Fit t-SNE
set.seed(1234)
tsne <- ___(___ %>% select(-___), check_duplicates = FALSE)

# Bind t-SNE coordinates to the data frame
tsne_df <- ___ %>% 
  ___(tsne_x = ___$___[,___], tsne_y = ___$___[,___])

# Plot t-SNE
___ %>% 
  ___(aes(x = ___, y = ___, color = ___)) +
  geom_point() +
  scale_color_gradient(low="gray", high="blue")

Upravit a spustit kód