2次元マップのためのt-SNE

Pythonで学ぶ教師なし学習

Benjamin Wilson

Director of Research at lateral.io

2次元マップのためのt-SNE

t-SNE = 「t-Distributed Stochastic Neighbor Embedding」
サンプルを2次元空間（または3次元）にマッピング
マップはサンプル間の距離をおおむね正確に表現
データセットを理解するのに最適

アヤメデータセットでのt-SNE

アヤメデータセットは4つの測定値があり、サンプルは4次元
t-SNEはサンプルを2次元空間にマッピング
t-SNEは、異なる品種があることは一切知らない
それでもきちんと品種別に分かれている

アヤメデータセットに対してt-SNEを実行した散布図

t-SNE散布図の読み方

「versicolor」と「virginica」は区別しにくい
K平均法のSSEと一致：2つのクラスタも3つのクラスタも考えられる

アヤメデータセットに対してt-SNEを実行した散布図

scikit-learnを使ったt-SNE

NumPy2次元配列samples

print(samples)

[[ 5.   3.3  1.4  0.2]
 [ 5.   3.5  1.3  0.3]
 [ 4.9  2.4  3.3  1. ]
 [ 6.3  2.8  5.1  1.5]
 ...
 [ 4.9  3.1  1.5  0.1]]

ラベルの種別を数値（0、1、2）で示すリストspecies

print(species)

[0, 0, 1, 2, ..., 0]

scikit-learnを使ったt-SNE

import matplotlib.pyplot as plt
from sklearn.manifold import TSNE
model = TSNE(learning_rate=100)

transformed = model.fit_transform(samples)
xs = transformed[:,0]
ys = transformed[:,1]
plt.scatter(xs, ys, c=species)
plt.show()

アヤメデータセットに対してt-SNEを実行した散布図

t-SNEには「fit_transform()」しかない

fit_transform()メソッドのみ
モデルのフィットとデータ変換を同時に行う
fit()やtransform()メソッドはない
新しいサンプルを追加することはできない
毎回最初からやり直す必要がある

t-SNEの学習率

データセットの学習率を選択
間違った選択：点が一箇所に固まって見える
50〜200の値を試す

結果は毎回異なる

t-SNEの特徴量は実行するたびに異なる
ピエモンテワインデータ：3回実行すると3種類の散布図が出る
ただし：ワインの品種（＝色分け）の位置関係は同じ

ワインデータセットに対して3回実行したt-SNEの散布図3つ

練習しましょう！

Pythonで学ぶ教師なし学習