Kom igångKom igång gratis

t-SNE-visualisering av spannmålsdatamängden

I videon såg du t-SNE tillämpat på iris-datamängden. I den här övningen ska du tillämpa t-SNE på spannmålsdata och undersöka de resulterande t-SNE-särdragen med hjälp av ett spridningsdiagram. Du har tillgång till en array samples med spannmålsprover och en lista variety_numbers som anger sortvariant för varje prov.

Den här övningen är en del av kursen

Oövervakad inlärning i Python

Visa kurs

Övningsinstruktioner

  • Importera TSNE från sklearn.manifold.
  • Skapa en TSNE-instans med namnet model och sätt learning_rate=200.
  • Tillämpa metoden .fit_transform() på model med samples som indata. Tilldela resultatet till tsne_features.
  • Välj kolumn 0 i tsne_features. Tilldela resultatet till xs.
  • Välj kolumn 1 i tsne_features. Tilldela resultatet till ys.
  • Skapa ett spridningsdiagram med t-SNE-särdragen xs och ys. Ange det extra nyckelordsargumentet c=variety_numbers för att färgsätta punkterna efter spannmålssort.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod