Redução de Dimensionalidade em Dados Swiss Roll e Swiss-Hole

# Introdução

Este laboratório compara duas técnicas populares de redução de dimensionalidade não linear, Locally Linear Embedding (LLE) e T-distributed Stochastic Neighbor Embedding (t-SNE), no conjunto de dados clássico Swiss Roll. Exploraremos como ambos lidam com a adição de um buraco nos dados.

## Dicas da Máquina Virtual

Após o arranque da máquina virtual, clique no canto superior esquerdo para mudar para a aba **Notebook** para aceder ao [Jupyter Notebook](https://support.labex.io/en/labex-vm/jupyter) para a prática.

Por vezes, pode ser necessário esperar alguns segundos para o Jupyter Notebook terminar de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.

Se tiver problemas durante a aprendizagem, não hesite em contactar o Labby. Forneça feedback após a sessão e resolveremos prontamente o problema para si.