以 t-SNE 視覺化穀物資料集
在影片中，你已經看到 t-SNE 應用在 iris 資料集。這個練習中，你會把 t-SNE 套用到穀物樣本的資料，並用散佈圖檢視得到的 t-SNE 特徵。你會拿到一個包含穀物樣本的陣列 samples，以及一個列出各穀物樣本品種編號的清單 variety_numbers。
本練習屬於課程
Unsupervised Learning in Python
練習說明
- 從
sklearn.manifold匯入TSNE。 - 建立一個名為
model、且learning_rate=200的 TSNE 實例。 - 對
model套用.fit_transform()方法於samples，並將結果指定給tsne_features。 - 選取
tsne_features的第0欄，將結果指定給xs。 - 選取
tsne_features的第1欄，將結果指定給ys。 - 以 t-SNE 特徵
xs和ys繪製散佈圖。若要依穀物品種著色，請加入額外關鍵字引數c=variety_numbers。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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()