穀物データセットのt-SNE可視化
動画では、t-SNEをアヤメデータセットに適用する例を見ました。この演習では、t-SNEを穀物サンプルのデータに適用し、得られた t-SNE 特徴量を散布図で確認してみましょう。穀物サンプルの配列samplesと、各穀物サンプルの品種番号を示すリストvariety_numbersがあります。
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をインポートしてください。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てください。modelの.fit_transform()メソッドをsamplesに適用してください。結果はtsne_featuresに代入します。0の列tsne_featuresを選択してください。結果はxsに代入します。1の列tsne_featuresを選択してください。結果はysに代入します。- t-SNE特徴量である
xsとysを使って散布図を作成してください。穀物の品種ごとの点に色をつけるには、追加のキーワード引数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()