用 t-SNE 製作 2D 地圖

Unsupervised Learning in Python

Benjamin Wilson

Director of Research at lateral.io

用 t-SNE 製作 2D 地圖

t-SNE = 「t-distributed stochastic neighbor embedding」
將樣本映射到 2D（或 3D）空間
近鄰關係大致保留
很適合檢視資料集

t-SNE 應用在 Iris 資料集

Iris 資料集有 4 個量測，因此樣本為 4 維
t-SNE 將樣本映射到 2D 空間
t-SNE 不知道物種分類
……但仍大致把物種分開

對 Iris 資料集執行 t-SNE 的散佈圖

解讀 t-SNE 散佈圖

「versicolor」與「virginica」較難彼此區分
與 k-means 慣性圖一致：可支持 2 群或 3 群

對 Iris 資料集執行 t-SNE 的散佈圖

sklearn 中的 t-SNE

2D NumPy 陣列 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]]

清單 species 以數字標示物種標籤（0、1、2）

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()

對 Iris 資料集執行 t-SNE 的散佈圖

t-SNE 只有 fit_transform()

只有 fit_transform() 方法
同時擬合模型並轉換資料
沒有獨立的 fit() 或 transform()
無法把新樣本擴充到既有地圖
每次都要重新來過！

t-SNE 的學習率

為資料集選擇合適的學習率
選錯：點會擠成一團
嘗試 50 到 200 之間的值

每次結果都不同

t-SNE 的特徵每次都不同
Piedmont 紅酒：跑 3 次就有 3 張不同散佈圖！
……但酒款（=顏色）彼此的相對位置一致

同一紅酒資料集執行 t-SNE 3 次得到的 3 張散佈圖

一起來練習吧！

Unsupervised Learning in Python