시작하기무료로 시작하기

곡물 데이터셋의 t-SNE 시각화

영상에서는 iris 데이터셋에 t-SNE를 적용하는 예제를 보셨죠. 이번 연습에서는 곡물 샘플 데이터에 t-SNE를 적용한 뒤, 산점도로 생성된 t-SNE 특징을 살펴보겠습니다. 곡물 샘플이 담긴 배열 samples와 각 곡물 샘플의 품종 번호가 담긴 리스트 variety_numbers가 제공됩니다.

이 연습은 강의의 일부입니다

Python으로 배우는 Unsupervised Learning

강의 보기

연습 안내

  • sklearn.manifold에서 TSNE를 import 하세요.
  • learning_rate=200으로 설정한 TSNE 인스턴스 model을 생성하세요.
  • model의 .fit_transform() 메서드를 samples에 적용하고, 결과를 tsne_features에 할당하세요.
  • tsne_features의 열 0을 선택해 xs에 할당하세요.
  • tsne_features의 열 1을 선택해 ys에 할당하세요.
  • t-SNE 특징 xs와 ys의 산점도를 그리세요. 점을 곡물 품종별로 색칠하려면 추가 키워드 인수 c=variety_numbers를 지정하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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()
코드 편집 및 실행