Separowanie cen domów za pomocą t-SNE

t-SNE to nieliniowa technika redukcji wymiarowości. Osadza dane wielowymiarowe w przestrzeni o mniejszej liczbie wymiarów, starając się przy tym zachować bliskość punktów, które były sąsiadami w oryginalnej przestrzeni. Stworzysz wykres t-SNE, który możesz porównać z wykresem PCA z poprzedniego ćwiczenia. PCA zachowuje globalną strukturę danych, ale nie lokalną. t-SNE zachowuje strukturę lokalną, utrzymując sąsiadów z przestrzeni wielowymiarowej blisko siebie w przestrzeni o mniejszej liczbie wymiarów. Zobaczysz to na wykresach.

Zastosujesz t-SNE, aby zredukować wymiarowość zbioru house_sales_df. Zmienną docelową w house_sales_df jest price. Pakiety tidyverse i Rtsne zostały już wczytane.

To ćwiczenie jest częścią kursu

Redukcja wymiarowości w R

Zobacz kurs

Instrukcje do ćwiczenia

Dopasuj t-SNE do house_sales_df za pomocą Rtsne().
Połącz współrzędne X i Y t-SNE ze zbiorem house_sales_df.
Zwizualizuj wyniki t-SNE za pomocą ggplot(), kodując zmienną docelową kolorem.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Fit t-SNE
set.seed(1234)
tsne <- ___(___ %>% select(-___), check_duplicates = FALSE)

# Bind t-SNE coordinates to the data frame
tsne_df <- ___ %>% 
  ___(tsne_x = ___$___[,___], tsne_y = ___$___[,___])

# Plot t-SNE
___ %>% 
  ___(aes(x = ___, y = ___, color = ___)) +
  geom_point() +
  scale_color_gradient(low="gray", high="blue")

Edytuj i uruchom kod