CommencerCommencer gratuitement

Visualisation t-SNE de l'ensemble de données sur les céréales

Dans la vidéo, vous avez observé l'application de t-SNE à l'ensemble de données sur l'iris. Dans cet exercice, vous appliquerez t-SNE aux données sur les échantillons de céréales et examinerez les caractéristiques t-SNE obtenues à l'aide d'un graphique. Vous disposez d'un tableau samples contenant des échantillons de céréales et d'une liste variety_numbers indiquant le numéro de variété de chaque échantillon.

Cet exercice fait partie du cours

Apprentissage non supervisé en Python

Afficher le cours

Instructions

  • Importez TSNE depuis sklearn.manifold.
  • Créez une instance TSNE appelée model avec learning_rate=200.
  • Appliquez la méthode .fit_transform() de model à samples. Attribuez le résultat à tsne_features.
  • Sélectionnez la colonne 0 de tsne_features. Attribuez le résultat à xs.
  • Sélectionnez la colonne « 1 » de « tsne_features ». Attribuez le résultat à « ys ».
  • Créez un graphique des caractéristiques t-SNE « xs » et « ys ». Pour colorer les points en fonction de la variété de grain, spécifiez l'argument clé supplémentaire « c=variety_numbers ».

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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