t-SNE för tvådimensionella kartor

Oövervakad inlärning i Python

Benjamin Wilson

Director of Research at lateral.io

t-SNE för tvådimensionella kartor

t-SNE = "t-distributed stochastic neighbor embedding"
Mappar urval till 2D-rymd (eller 3D)
Kartan bevarar i stort sett närheten mellan urval
Utmärkt för att inspektera datamängder

t-SNE på Iris-datamängden

Iris-datamängden har 4 mätvärden, så urval är 4-dimensionella
t-SNE mappar urval till 2D-rymd
t-SNE visste inte att det fanns olika arter
... men höll ändå arterna i stort sett åtskilda

spridningsdiagram för t-SNE utfört på Iris-datamängden

Tolka t-SNE-spridningsdiagram

"versicolor" and "virginica" harder to distinguish from one another
Consistent with k-means inertia plot: could argue for 2 clusters, or for 3

scatter plot of t-SNE performed on Iris dataset

t-SNE i sklearn

2D NumPy-array 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]]

Lista species med arternas etiketter som tal (0, 1 eller 2)

print(species)

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

t-SNE i sklearn

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()

spridningsdiagram för t-SNE utfört på Iris-datamängden

t-SNE har bara fit_transform()

Har en fit_transform()-metod
Anpassar modellen och transformerar data samtidigt
Har ingen separat fit()- eller transform()-metod
Kan inte utöka kartan med nya dataurval
Måste börja om varje gång!

t-SNE:s inlärningshastighet

Välj inlärningshastighet för datamängden
Fel val: punkterna klumpar ihop sig
Testa värden mellan 50 och 200

Olika varje gång

t-SNE ger olika resultat varje gång
Piemontviner, 3 körningar, 3 olika spridningsdiagram!
... men: vinsorterna (=färgerna) har samma position i förhållande till varandra

3 spridningsdiagram för t-SNE utfört på vinsdatamängden vid 3 olika tillfällen

Nu kör vi en övning!

Oövervakad inlärning i Python