Vizualizace vícerozměrných dat pomocí t-SNE

Redukce dimenzionality v Pythonu

Jeroen Boeye

Head of Machine Learning, Faktion

t-SNE na datové sadě IRIS

shluky iris

t-SNE na datové sadě IRIS

shluky iris 1 s popiskem

t-SNE na datové sadě IRIS

shluky iris 3 s popisky

t-SNE na datové sadě ANSUR (ženy)

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)

Trénování 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)

Přiřazení příznaků t-SNE do datové sady

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]

Vykreslení t-SNE

import seaborn as sns

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

plt.show()

Vykreslení t-SNE

bodový graf ANSUR

Obarvení bodů podle kategorie BMI

import seaborn as sns
import matplotlib.pyplot as plt

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

plt.show()

Obarvení bodů podle kategorie BMI

bodový graf ANSUR – BMI

Obarvení bodů podle kategorie BMI

bodový graf ANSUR – BMI s popisky

Obarvení bodů podle kategorie výšky

import seaborn as sns

import matplotlib.pyplot as plt

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

plt.show()

Obarvení bodů podle kategorie výšky

bodový graf ANSUR – výška

Obarvení bodů podle kategorie výšky

bodový graf ANSUR – dvojité popisky

Pojďme si procvičit!

Redukce dimenzionality v Pythonu