用于二维映射的 t-SNE

Python 中的无监督学习

Benjamin Wilson

Director of Research at lateral.io

用于二维映射的 t-SNE

t-SNE = "t-分布随机邻域嵌入"
将样本映射到 2D（或 3D）空间
映射大致保持样本的邻近关系
适合数据集可视检查

Iris 数据集上的 t-SNE

Iris 数据集有 4 个测量值，因此样本为 4 维
t-SNE 将样本映射到 2D 空间
t-SNE 不知道物种类别
…但仍基本将物种分开

对 Iris 数据集进行 t-SNE 的散点图

解读 t-SNE 散点图

"versicolor"和"virginica"更难区分
与 k-means 惯性图一致：可支持 2 或 3 个簇

对 Iris 数据集进行 t-SNE 的散点图

sklearn 中的 t-SNE

2D NumPy 数组 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]]

列表 species，用数字（0、1、2）表示物种标签

print(species)

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

sklearn 中的 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()

对 Iris 数据集进行 t-SNE 的散点图

t-SNE 仅有 fit_transform()

只有 fit_transform() 方法
同时拟合模型并转换数据
无单独的 fit() 或 transform()
不能将新样本扩展到已有映射中
每次都需重新开始！

t-SNE 学习率

为数据集选择学习率
选择不当：点会挤在一起
尝试 50 到 200 之间的值

每次都不同

t-SNE 特征每次都不同
皮埃蒙特葡萄酒：运行 3 次，3 张不同散点图！
然而：各葡萄酒品种（=颜色）彼此的相对位置一致

对葡萄酒数据集进行 t-SNE 的 3 次散点图

Passons à la pratique !

Python 中的无监督学习