降维：可视化技术

用 Python 练习机器学习面试题

Lisa Stuart

Data Scientist

为何要降维？

  1. 加速模型训练
  2. 便于可视化
  3. 提升准确率
用 Python 练习机器学习面试题

可视化技术

  • PCA
  • t-SNE
用 Python 练习机器学习面试题

用 PCA 可视化

PCA 图

1 https://districtdatalabs.silvrback.com/principal-component-analysis-with-python
用 Python 练习机器学习面试题

碎石图

碎石图

1 https://towardsdatascience.com/a-step-by-step-explanation-of-principal-component-analysis-b836fb9c97e2
用 Python 练习机器学习面试题

t-SNE

  • 概率式
  • 数据点对
  • 低维嵌入
  • 绘制嵌入
用 Python 练习机器学习面试题

用 t-SNE 可视化

# t-sne with loan data
from sklearn.manifold import TSNE
import seaborn as sns

loans =  pd.read_csv('loans_dataset.csv')

# Feature matrix
X = loans.drop('Loan Status', axis=1)

tsne = TSNE(n_components=2, verbose=1, perplexity=40)
tsne_results = tsne.fit_transform(X)

loans['t-SNE-PC-one'] = tsne_results[:,0]
loans['t-SNE-PC-two'] = tsne_results[:,1]


# t-sne viz
plt.figure(figsize=(16,10))
sns.scatterplot(
    x="t-SNE-PC-one", y="t-SNE-PC-two",
    hue="Loan Status",
    palette=sns.color_palette(["grey","blue"]),
    data=loans,
    legend="full",
    alpha=0.3
)
1 https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html
用 Python 练习机器学习面试题

用 t-SNE 可视化

t-sne 图

用 Python 练习机器学习面试题

PCA vs t-SNE：手写数字数据

数字数据集的 PCA 与 t-SNE

1 https://towardsdatascience.com/visualising-high-dimensional-datasets-using-pca-and-t-sne-in-python-8ef87e7915b
用 Python 练习机器学习面试题

Passons à la pratique !

用 Python 练习机器学习面试题

Preparing Video For Download...