LoslegenKostenlos loslegen

t-SNE-Visualisierung des Getreide-Datensatzes

Im Video hast du gesehen, wie t-SNE auf den Iris-Datensatz angewendet wird. In dieser Übung wendest du t-SNE auf die Getreideproben an und untersuchst die resultierenden t-SNE-Merkmale in einem Streudiagramm. Ein Array names samples mit Getreideproben und eine Liste names variety_numbers, welche die Sortennummer jeder Probe enthält, stehen dir zur Verfügung.

Diese Übung ist Teil des Kurses

Unsupervised Learning in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere TSNE aus sklearn.manifold.
  • Erstelle eine TSNE-Instanz namens model mit learning_rate=200.
  • Wende die Methode .fit_transform() von model auf samples an. Weise das Ergebnis tsne_features zu.
  • Wähle die Spalte 0 von tsne_features. Weise das Ergebnis xs zu.
  • Wähle die Spalte 1 von tsne_features. Weise das Ergebnis ys zu.
  • Erstelle ein Streudiagramm der t-SNE-Merkmale xs und ys. Um die Punkte nach Getreidesorte zu färben, gib das zusätzliche Schlüsselwortargument c=variety_numbers an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import TSNE
____

# Create a TSNE instance: model
model = ____

# Apply fit_transform to samples: tsne_features
tsne_features = ____

# Select the 0th feature: xs
xs = tsne_features[:,0]

# Select the 1st feature: ys
ys = tsne_features[:,1]

# Scatter plot, coloring by variety_numbers
____
plt.show()
Code bearbeiten und ausführen