23 lines
689 B
Python
23 lines
689 B
Python
|
import pandas as pd
|
|||
|
|
from sklearn.cluster import KMeans
|
|||
|
|
from sklearn.manifold import TSNE
|
|||
|
|
import matplotlib.pyplot as plt
|
|||
|
|
|
|||
|
|
# загрузка датасета
|
|||
|
|
data = pd.read_csv('dataset.csv')
|
|||
|
|
|
|||
|
|
# выделение необходимых признаков
|
|||
|
|
X = data[['Gender', 'International', 'GDP']]
|
|||
|
|
|
|||
|
|
# применение t-SNE для сокращения размерности
|
|||
|
|
tsne = TSNE(n_components=2, random_state=42)
|
|||
|
|
X_tsne = tsne.fit_transform(X)
|
|||
|
|
|
|||
|
|
# визуализация данных
|
|||
|
|
plt.scatter(X_tsne[:, 0], X_tsne[:, 1], c=data['Target'], cmap='viridis')
|
|||
|
|
plt.colorbar()
|
|||
|
|
plt.xlabel('t-SNE х')
|
|||
|
|
plt.ylabel('t-SNE у')
|
|||
|
|
plt.title('t-SNE визуализация')
|
|||
|
|
plt.show()
|