उच्च-आयामी डेटा का t-SNE विज़ुअलाइज़ेशन

Python में Dimensionality Reduction

Jeroen Boeye

Head of Machine Learning, Faktion

IRIS डेटासेट पर t-SNE

आईरिस क्लस्टर्स

IRIS डेटासेट पर t-SNE

एनोटेटेड आईरिस क्लस्टर्स 1

IRIS डेटासेट पर t-SNE

एनोटेटेड आईरिस क्लस्टर्स 3

महिला ANSUR डेटासेट पर 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 फिट करना

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)

अपने डेटासेट में t-SNE फीचर्स असाइन करना

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 प्लॉट करना

import seaborn as sns

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

plt.show()

t-SNE प्लॉट करना

ANSUR पॉइंट क्लाउड

BMI श्रेणी के अनुसार पॉइंट्स रंगना

import seaborn as sns
import matplotlib.pyplot as plt

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

plt.show()

BMI श्रेणी के अनुसार पॉइंट्स रंगना

ANSUR पॉइंट क्लाउड BMI

BMI श्रेणी के अनुसार पॉइंट्स रंगना

एनोटेटेड ANSUR पॉइंट क्लाउड BMI

ऊँचाई श्रेणी के अनुसार पॉइंट्स रंगना

import seaborn as sns

import matplotlib.pyplot as plt

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

plt.show()

ऊँचाई श्रेणी के अनुसार पॉइंट्स रंगना

ANSUR पॉइंट क्लाउड ऊँचाई

ऊँचाई श्रेणी के अनुसार पॉइंट्स रंगना

डबल एनोटेटेड ANSUR पॉइंट क्लाउड

अभ्यास करते हैं!

Python में Dimensionality Reduction