Séparer les prix des maisons avec t-SNE

t-SNE est une technique non linéaire de réduction de la dimension. Elle place des données de grande dimension dans un espace de plus faible dimension. En le faisant, elle s'efforce de conserver les points près de leurs voisins d'origine. Vous allez créer un graphique t-SNE que vous pourrez comparer au graphique PCA du dernier exercice. La PCA préserve la structure globale des données, mais pas la structure locale. t-SNE préserve la structure locale en gardant, dans l'espace de faible dimension, les voisins proches les uns des autres tels qu'ils l'étaient dans l'espace de grande dimension. Vous le verrez dans les graphiques.

Vous appliquerez t-SNE pour réduire house_sales_df. La variable cible de house_sales_df est price. Les ensembles tidyverse et Rtsne ont été chargés pour vous.

Cette activité fait partie du cours

Réduction de dimension en R

Voir le cours

Instructions de l’exercice

Ajustez t-SNE à house_sales_df à l'aide de Rtsne().
Joignez les coordonnées X et Y de t-SNE à house_sales_df.
Tracez les résultats de t-SNE avec ggplot(), en encodant la variable cible par la couleur.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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")

Modifier et exécuter le code