Bắt đầu ngayBắt đầu miễn phí

Trực quan hóa t-SNE cho bộ dữ liệu hạt ngũ cốc

Trong video, bạn đã thấy t-SNE được áp dụng cho bộ dữ liệu iris. Ở bài này, bạn sẽ áp dụng t-SNE cho dữ liệu mẫu hạt ngũ cốc và quan sát các đặc trưng t-SNE thu được bằng biểu đồ scatter. Bạn được cung cấp mảng samples chứa các mẫu hạt và danh sách variety_numbers cho biết số hiệu giống của mỗi mẫu hạt.

Bài tập này là một phần của khóa học

Unsupervised Learning bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Import TSNE từ sklearn.manifold.
  • Tạo một instance TSNE tên là model với learning_rate=200.
  • Áp dụng phương thức .fit_transform() của model lên samples. Gán kết quả cho tsne_features.
  • Chọn cột 0 của tsne_features. Gán kết quả cho xs.
  • Chọn cột 1 của tsne_features. Gán kết quả cho ys.
  • Vẽ biểu đồ scatter cho các đặc trưng t-SNE xs và ys. Để tô màu các điểm theo giống hạt, truyền thêm tham số c=variety_numbers.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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()
Chỉnh sửa và Chạy Mã