LoslegenKostenlos loslegen

t-SNE-Visualisierung des Korndatensatzes

Im Video hast du gesehen, wie t-SNE auf den Iris-Datensatz angewendet wurde. In dieser Übung wirst du t-SNE auf die Getreideproben-Daten anwenden und die resultierenden t-SNE-Merkmale mithilfe eines Streudiagramms untersuchen. Du bekommst ein Array „ samples “ mit Getreideproben und eine Liste „ variety_numbers “, die die Sorten-Nummer jeder Getreideprobe angibt.

Diese Übung ist Teil des Kurses

Unüberwachtes Lernen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere TSNE aus sklearn.manifold.
  • Erstell eine TSNE-Instanz namens „ model ” mit „ learning_rate=200 ”.
  • Wende die „ .fit_transform() ”-Methode von model auf samples an. Weise das Ergebnis tsne_features zu.
  • Wähle die Spalte „ 0 “ (Anzahl der Aufrufe) von „ tsne_features “ (Anzahl der Aufrufe Weise das Ergebnis xs zu.
  • Wähle die Spalte „ 1 “ (Anzahl der Aufrufe) von „ tsne_features “ (Anzahl der Aufrufe Weise das Ergebnis ys zu.
  • Erstelle ein Streudiagramm der t-SNE-Merkmale xs und ys. Um die Punkte nach Getreidesorte einzufärben, 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