Ejemplo con t-SNE

Apliquemos este algoritmo al dataset Iris considerando esta vez todas las características. Comenzamos cargando el dataset:

iris = sns.load_dataset("iris")

A continuación, importamos el algoritmo y lo instanciamos:

from sklearn.manifold import TSNE
tsne = TSNE(random_state = 0)

Lo entrenamos y transformamos los datos iniciales:

iris_t = tsne.fit_transform(iris.drop("species", axis = 1))

Por último, mostramos los datos resultantes en una gráfica:

sns.scatterplot(iris_t[:, 0], iris_t[:, 1], hue = iris.species);

t-SNE

Obsérvese, en todo caso, lo mucho que puede cambiar la visualización escogiendo unos parámetros diferentes:

tsne = TSNE(perplexity = 9, early_exaggeration = 11, learning_rate = 451, random_state = 0)
iris_t = tsne.fit_transform(iris.drop("species", axis = 1))
sns.scatterplot(iris_t[:, 0], iris_t[:, 1], hue = iris.species);

t-SNE