Anpassa t-SNE till ANSUR-data
t-SNE är en kraftfull teknik för visuell utforskning av högdimensionella datamängder. I den här övningen tillämpar du den på ANSUR-datamängden. Du tar bort icke-numeriska kolumner från den förinlästa datamängden df och anpassar TSNE till den numeriska datamängden.
Den här övningen är en del av kursen
Dimensionsreduktion i Python
Övningsinstruktioner
- Ta bort de icke-numeriska kolumnerna från datamängden.
- Skapa en
TSNE-modell med inlärningshastigheten 50. - Anpassa och transformera modellen på den numeriska datamängden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)