ПочатиПочніть безкоштовно

Візуалізація t-SNE для набору даних про зерно

У відео ви бачили застосування t-SNE до набору iris. У цій вправі ви застосуєте t-SNE до вибірки даних про зерно й переглянете отримані ознаки t-SNE на діаграмі розсіювання. Вам надано масив samples із вибірками зерна та список variety_numbers, що містить номер різновиду для кожної вибірки.

Ця вправа є частиною курсу

Наглядове навчання в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте TSNE з sklearn.manifold.
  • Створіть екземпляр TSNE під назвою model з learning_rate=200.
  • Застосуйте метод .fit_transform() об'єкта model до samples. Присвойте результат змінній tsne_features.
  • Виберіть стовпчик 0 з tsne_features. Присвойте результат змінній xs.
  • Виберіть стовпчик 1 з tsne_features. Присвойте результат змінній ys.
  • Побудуйте діаграму розсіювання для ознак t-SNE xs і ys. Щоб зафарбувати точки за різновидом зерна, додайте іменований аргумент c=variety_numbers.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код