1. Learn
    2. /
  2. 课程
    3. /
  3. Python 中的无监督学习
Connected

道练习

谷物数据集的 t-SNE 可视化

在视频中，您已经看到 t-SNE 应用于 iris 数据集。本练习中，您将把 t-SNE 应用于谷物样本数据，并用散点图检查生成的 t-SNE 特征。已提供数组 samples（包含谷物样本）以及列表 variety_numbers（给出每个谷物样本的品种编号）。

说明

100 XP
  • 从 sklearn.manifold 导入 TSNE。
  • 创建名为 model 的 TSNE 实例，设置 learning_rate=200。
  • 调用 model 的 .fit_transform() 方法作用于 samples，将结果赋给 tsne_features。
  • 选择 tsne_features 的第 0 列，赋给 xs。
  • 选择 tsne_features 的第 1 列，赋给 ys。
  • 使用 xs 和 ys 的 t-SNE 特征绘制散点图。为按谷物品种着色点，额外指定关键字参数 c=variety_numbers。