Visualisasi t-SNE untuk data berdimensi tinggi

Pengurangan Dimensi dengan Python

Jeroen Boeye

Head of Machine Learning, Faktion

t-SNE pada dataset IRIS

klaster iris

t-SNE pada dataset IRIS

iris klaster 1 beranotasi

t-SNE pada dataset IRIS

iris klaster 3 beranotasi

t-SNE pada dataset ANSUR perempuan

df.shape

(1986, 99)

non_numeric = ['BMI_class', 'Height_class', 
               'Gender',  'Component', 'Branch']

df_numeric = df.drop(non_numeric, axis=1)

df_numeric.shape

(1986, 94)

Melatih t-SNE

from sklearn.manifold import TSNE

m = TSNE(learning_rate=50)

tsne_features = m.fit_transform(df_numeric)

tsne_features[1:4,:]

array([[-37.962185,  15.066088],
       [-21.873512,  26.334448],
       [ 13.97476 ,  22.590828]], dtype=float32)

Menambahkan fitur t-SNE ke dataset

tsne_features[1:4,:]

array([[-37.962185,  15.066088],
       [-21.873512,  26.334448],
       [ 13.97476 ,  22.590828]], dtype=float32)

df['x'] = tsne_features[:,0]

df['y'] = tsne_features[:,1]

Memplot t-SNE

import seaborn as sns

sns.scatterplot(x="x", y="y", data=df)

plt.show()

Memplot t-SNE

awan titik ansur

Mewarnai titik menurut kategori BMI

import seaborn as sns
import matplotlib.pyplot as plt

sns.scatterplot(x="x", y="y", hue='BMI_class', data=df)

plt.show()

Mewarnai titik menurut kategori BMI

awan titik ansur BMI

Mewarnai titik menurut kategori BMI

awan titik ansur BMI beranotasi

Mewarnai titik menurut kategori tinggi badan

import seaborn as sns

import matplotlib.pyplot as plt

sns.scatterplot(x="x", y="y", hue='Height_class', data=df)

plt.show()

Mewarnai titik menurut kategori tinggi badan

awan titik ansur tinggi badan

Mewarnai titik menurut kategori tinggi badan

awan titik ansur beranotasi ganda

Ayo berlatih!

Pengurangan Dimensi dengan Python