CommencezCommencez gratuitement

Visualisation t-SNE du jeu de données sur les grains

Dans la vidéo, vous avez vu t-SNE appliqué au jeu de données iris. Dans cet exercice, vous allez appliquer t-SNE aux données d'échantillons de grains et examiner les caractéristiques t-SNE résultantes à l'aide d'un nuage de points. On vous fournit un tableau samples d'échantillons de grains et une liste variety_numbers donnant le numéro de variété de chaque échantillon.

Cette activité fait partie du cours

Unsupervised Learning in Python

Voir le cours

Instructions de l’exercice

  • Importez TSNE depuis sklearn.manifold.
  • Créez une instance TSNE appelée model avec learning_rate=200.
  • Appliquez la méthode .fit_transform() de model à samples. Assignez le résultat à tsne_features.
  • Sélectionnez la colonne 0 de tsne_features. Assignez le résultat à xs.
  • Sélectionnez la colonne 1 de tsne_features. Assignez le résultat à ys.
  • Produisez un nuage de points des caractéristiques t-SNE xs et ys. Pour colorer les points selon la variété de grain, précisez l'argument nommé supplémentaire c=variety_numbers.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()
Modifier et exécuter le code