用 t-SNE 区分房价

t-SNE 是一种非线性降维技术。它将高维数据嵌入到低维空间。在此过程中，它尽量让每个点仍与其原始邻居相邻。您将创建一个 t-SNE 图，并与上一个练习中的 PCA 图进行对比。PCA 保留的是数据的全局结构，但不强调局部结构。t-SNE 则通过在低维空间中让高维空间的邻近点彼此靠近，从而保留局部结构。您将在图中看到这种差异。

您将对 house_sales_df 应用 t-SNE 进行降维。house_sales_df 的目标变量是 price。tidyverse 和 Rtsne 包已为您加载。

本练习是课程的一部分

R 中的降维

查看课程

练习说明

使用 Rtsne() 拟合 house_sales_df 的 t-SNE。
将 t-SNE 的 X 与 Y 坐标绑定到 house_sales_df。
使用 ggplot() 绘制 t-SNE 结果，并用颜色编码目标变量。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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")

编辑并运行代码