高周波エンジニアのためのAI・機械学習入門（GPU編15）t-SNEでバンドパスフィルタ（BPF)の次数が異なるもの（減衰がちがうもの）を2軸で特徴づけできるかPythonとNVIDIA RAPIDSのscikit-learn互換のcuMLでやってみる。パラメータいじると何とでもなる気が…

前回、前々回はPCA, UMAPを使ってバンドパスフィルタを特徴づけた。今回はt-SNEをやってみよう。

データはこんな感じの10000個。

コードはこちらを参考にした。

Jane Street: t-SNE using RAPIDS cuML

実際のコードはこちら。cuMLでは2軸までしか扱えないとのこと。

import numpy as np

import matplotlib.pyplot as plt

from cuml.preprocessing import StandardScaler

from cuml.manifold import TSNE

from mpl_toolkits.mplot3d import Axes3D

data_label = np.load("filter_PCA.npz")

data = data_label["data"]

label = data_label["label"]

data = 10*np.log10(data[:, :, 3]**2 + data[:, :, 4]**2)

scaler = StandardScaler()

scaler.fit(data)

X_scaled = scaler.transform(data)

tsne = TSNE(n_components = 2)

#tsne = TSNE(n_components = 2, perplexity=50, learning_rate=200, n_neighbors=150, max_iter=2000, random_state=42)

X_tsne = tsne.fit_transform(X_scaled)

fig = plt.figure(figsize=(12,12))

plt.scatter(X_tsne[np.argwhere(label==3)[:,0],0], X_tsne[np.argwhere(label==3)[:,0],1], c="r", label="3rd")

plt.scatter(X_tsne[np.argwhere(label==5)[:,0],0], X_tsne[np.argwhere(label==5)[:,0],1], c="g", label="5th")

plt.scatter(X_tsne[np.argwhere(label==7)[:,0],0], X_tsne[np.argwhere(label==7)[:,0],1], c="b", label="7th")        

plt.legend()

plt.grid()

plt.xlabel("PC1")

plt.ylabel("PC2")

実行した結果。うーん、内部に入り込んでいるのがいまいち。まあ乱数で毎回変わるが…

t-SNEはパラメータを選ばないとだめ、ということらしいので変えてみる（コードのコメント部分）。

これならまあなんとか。でもパラメータ変えると何とでもなりそう。UMAPのほうが何も考えなくてもいい分いいかな。