การแสดงภาพข้อมูลหลายมิติด้วย t-SNE

การลดมิติข้อมูลใน Python

Jeroen Boeye

Head of Machine Learning, Faktion

t-SNE กับชุดข้อมูล IRIS

กลุ่มข้อมูล iris

t-SNE กับชุดข้อมูล IRIS

กลุ่มข้อมูล iris 1 พร้อมคำอธิบาย

t-SNE กับชุดข้อมูล IRIS

กลุ่มข้อมูล iris 3 พร้อมคำอธิบาย

t-SNE กับชุดข้อมูล ANSUR เพศหญิง

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)

การ Fit 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)

การกำหนด feature จาก t-SNE ให้กับชุดข้อมูล

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]

การพล็อต t-SNE

import seaborn as sns

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

plt.show()

การพล็อต t-SNE

กลุ่มจุดข้อมูล ansur

การระบายสีจุดตามหมวดหมู่ BMI

import seaborn as sns
import matplotlib.pyplot as plt

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

plt.show()

การระบายสีจุดตามหมวดหมู่ BMI

กลุ่มจุดข้อมูล ansur แยกตาม BMI

การระบายสีจุดตามหมวดหมู่ BMI

กลุ่มจุดข้อมูล ansur แยกตาม BMI พร้อมคำอธิบาย

การระบายสีจุดตามหมวดหมู่ความสูง

import seaborn as sns

import matplotlib.pyplot as plt

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

plt.show()

การระบายสีจุดตามหมวดหมู่ความสูง

กลุ่มจุดข้อมูล ansur แยกตามความสูง

การระบายสีจุดตามหมวดหมู่ความสูง

กลุ่มจุดข้อมูล ansur พร้อมคำอธิบายสองชั้น

มาฝึกกันเถอะ!

การลดมิติข้อมูลใน Python