Separera huspriser med t-SNE

t-SNE är en icke-linjär dimensionsreduktionsmetod som bäddar in högdimensionell data i ett lägredimensionellt rum. Under processen strävar metoden efter att hålla datapunkter nära sina ursprungliga grannar. Du kommer att skapa ett t-SNE-diagram som du kan jämföra med PCA-diagrammet från föregående övning. PCA bevarar den globala strukturen i data, men inte den lokala. t-SNE bevarar däremot den lokala strukturen genom att hålla grannar i det högdimensionella rummet nära varandra även i det lägredimensionella rummet. Det här kommer du att se tydligt i diagrammen.

Du ska använda t-SNE för att reducera house_sales_df. Målvariabeln i house_sales_df är price. Paketen tidyverse och Rtsne har redan laddats in åt dig.

Den här övningen är en del av kursen

Dimensionsreduktion i R

Visa kurs

Övningsinstruktioner

Anpassa t-SNE till house_sales_df med hjälp av Rtsne().
Lägg till t-SNE:s X- och Y-koordinater till house_sales_df.
Visualisera t-SNE-resultaten med ggplot() och koda målvariabeln som färg.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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")

Redigera och kör kod