Zacznij terazZacznij za darmo

Wizualizacja t-SNE zbioru danych o ziarnach

W filmie pokazano zastosowanie t-SNE do zbioru danych iris. W tym ćwiczeniu zastosujesz t-SNE do danych o próbkach ziaren i przeanalizujesz wynikowe cechy t-SNE za pomocą wykresu punktowego. Dysponujesz tablicą samples z próbkami ziaren oraz listą variety_numbers określającą numer odmiany każdej próbki.

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj TSNE z sklearn.manifold.
  • Utwórz instancję TSNE o nazwie model z parametrem learning_rate=200.
  • Zastosuj metodę .fit_transform() obiektu model do tablicy samples. Wynik przypisz do zmiennej tsne_features.
  • Wybierz kolumnę 0 tablicy tsne_features. Wynik przypisz do zmiennej xs.
  • Wybierz kolumnę 1 tablicy tsne_features. Wynik przypisz do zmiennej ys.
  • Utwórz wykres punktowy cech t-SNE xs i ys. Aby pokolorować punkty według odmiany ziarna, dodaj argument kluczowy c=variety_numbers.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()
Edytuj i uruchom kod