Dopasowywanie t-SNE do danych ANSUR
t-SNE to świetna technika do wizualnej eksploracji zbiorów danych o wysokiej wymiarowości. W tym ćwiczeniu zastosujesz ją do zbioru danych ANSUR. Usuń kolumny nienumeryczne z wczytanego zbioru danych df i dopasuj model TSNE do pozostałych danych numerycznych.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Instrukcje do ćwiczenia
- Usuń kolumny nienumeryczne ze zbioru danych.
- Utwórz model
TSNEze współczynnikiem uczenia równym 50. - Dopasuj model do danych numerycznych i przekształć je.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Non-numerical columns in the dataset
non_numeric = ['Branch', 'Gender', 'Component']
# Drop the non-numerical columns from df
df_numeric = df.____(____, axis=____)
# Create a t-SNE model with learning rate 50
m = ____(____)
# Fit and transform the t-SNE model on the numeric dataset
tsne_features = m.____(____)
print(tsne_features.shape)