Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

448

5

章 機械学習

この関数を呼び出し、結果を可視化します（図 5-94）。

In[3]: X = make_hello(1000)

colorize = dict(c=X[:, 0], cmap=plt.cm.get_cmap('rainbow', 5))

plt.scatter(X[:, 0], X[:, 1], **colorize)

plt.axis('equal');

図5-94　多様体学習に使用するデータ

2

次元の出力は、「

HELLO

」の形をしています。このデータにより、それぞれのアルゴリズムの

働きが視覚的に把握しやすくなります。

5.10.2

 多次元尺度構成法

このようなデータを見ると、

x

値と

y

値はデータの最も基本的な記述方法ではないことがわかり

ます。データを拡大、縮小、回転を行っても、データは「

HELLO

」に見えます。例えば、回転行列

を使用してデータを回転すると

x

と

y

の値は変化しますが、データそのものは基本的に変わりませ

ん（図 5-95）。

In[4]: def rotate(X, angle):

theta = np.deg2rad(angle)

R = [[np.cos(theta), np.sin(theta)],

[-np.sin(theta), np.cos(theta)]]

return np.dot(X, R)

X2 = rotate(X, 20) + 5

plt.scatter(X2[:, 0], X2[:, 1], **colorize)

plt.axis('equal'); ...