高次元データのt-SNE可視化

Pythonで学ぶ次元削減

Jeroen Boeye

Head of Machine Learning, Faktion

IRISデータセットのt-SNE

アヤメのクラスタ

IRISデータセットのt-SNE

アヤメのクラスタ 1 注釈あり

IRISデータセットのt-SNE

アヤメのクラスタ 3 注釈あり

女性ANSURデータセットのt-SNE

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)

t-SNEの学習

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)

t-SNE特徴量をデータセットに割り当てる

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]

t-SNEのプロット

import seaborn as sns

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

plt.show()

t-SNEのプロット

ansur点群

BMIカテゴリで色分け

import seaborn as sns
import matplotlib.pyplot as plt

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

plt.show()

BMIカテゴリで色分け

ansur点群 BMI

BMIカテゴリで色分け

ansur点群 BMI注釈あり

身長カテゴリで色分け

import seaborn as sns

import matplotlib.pyplot as plt

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

plt.show()

身長カテゴリで色分け

ansur点群身長

身長カテゴリで色分け

ansur点群二重注釈付き

練習しましょう！

Pythonで学ぶ次元削減