穀物データセットの t-SNE 可視化
動画では、t-SNE を iris データセットに適用しました。この演習では、穀物サンプルのデータに t-SNE を適用し、得られた t-SNE 特徴量を散布図で確認します。穀物サンプルの配列 samples と、各サンプルの品種番号を表すリスト variety_numbers が与えられています。
この演習はコースの一部です
Pythonで学ぶ教師なし学習
演習の手順
sklearn.manifoldからTSNEをインポートします。learning_rate=200を指定して、modelという名前の TSNE インスタンスを作成します。modelの.fit_transform()メソッドをsamplesに適用し、結果をtsne_featuresに代入します。tsne_featuresの列0を選択し、結果をxsに代入します。tsne_featuresの列1を選択し、結果をysに代入します。- t-SNE の特徴量
xsとysの散布図を作成します。点を穀物の品種ごとに色分けするには、追加のキーワード引数としてc=variety_numbersを指定します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()