Ajuster t-SNE aux données ANSUR
t-SNE est une excellente technique pour explorer visuellement des jeux de données à haute dimension. Dans cet exercice, vous l'appliquerez au jeu de données ANSUR. Vous supprimerez les colonnes non numériques du jeu de données préchargé df et ajusterez TSNE sur ce jeu de données numérique.
Cette activité fait partie du cours
Réduction de dimensionnalité en Python
Instructions de l’exercice
- Supprimez les colonnes non numériques du jeu de données.
- Créez un modèle
TSNEavec un learning rate de 50. - Ajustez et transformez le modèle sur le jeu de données numérique.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Non-numerical columns in the dataset
non_numeric = ['Branch', 'Gender', 'Component']
# Drop the non-numerical columns from df
df_numeric = df.____(____, axis=____)
# Create a t-SNE model with learning rate 50
m = ____(____)
# Fit and transform the t-SNE model on the numeric dataset
tsne_features = m.____(____)
print(tsne_features.shape)