ComenzarEmpieza gratis

Visualización t-SNE del conjunto de datos de granos

En el vídeo, has visto cómo se aplica t-SNE al conjunto de datos del iris. En este ejercicio, aplicarás t-SNE a los datos de muestras de granos e inspeccionarás las características t-SNE resultantes utilizando un gráfico de dispersión. Se te da una matriz samples de muestras de grano y una lista variety_numbers con el número de variedad de cada muestra de grano.

Este ejercicio forma parte del curso

Aprendizaje no supervisado en Python

Ver curso

Instrucciones del ejercicio

  • Importa TSNE desde sklearn.manifold.
  • Crea una instancia TSNE llamada « model » con « learning_rate=200 ».
  • Aplica el método .fit_transform() de model a samples. Asigna el resultado a tsne_features.
  • Selecciona la columna 0 de tsne_features. Asigna el resultado a xs.
  • Selecciona la columna 1 de tsne_features. Asigna el resultado a ys.
  • Haz un gráfico de dispersión de las características t-SNE xs y ys. Para colorear los puntos según la variedad de grano, especifica el argumento de palabra clave adicional c=variety_numbers.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# 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()
Editar y ejecutar código