Začněte nyníZačněte zdarma

Mapa akciového trhu pomocí t-SNE

t-SNE poskytuje skvělé vizualizace tehdy, když lze jednotlivé vzorky opatřit štítky. V tomto cvičení použiješ t-SNE na data o cenách akcií jednotlivých společností. Scatter plot výsledných t-SNE příznaků označených názvy společností ti dá přehlednou mapu akciového trhu! Pohyby cen akcií každé společnosti jsou k dispozici jako pole normalized_movements (data už jsou za tebe normalizovaná). Seznam companies obsahuje názvy jednotlivých společností. PyPlot (plt) je již naimportován.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Importuj TSNE z sklearn.manifold.
  • Vytvoř instanci TSNE s názvem model s parametrem learning_rate=50.
  • Aplikuj metodu .fit_transform() objektu model na normalized_movements. Výsledek ulož do tsne_features.
  • Vyber sloupec 0 a sloupec 1 z pole tsne_features.
  • Vytvoř scatter plot t-SNE příznaků xs a ys. Zadej dodatečný argument alpha=0.5.
  • Kód pro označení každého bodu názvem příslušné společnosti je již připravený pomocí plt.annotate() — stačí kliknout na tlačítko Odeslat a vizualizaci uvidíš!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import TSNE
____

# Create a TSNE instance: model
model = ____

# Apply fit_transform to normalized_movements: tsne_features
tsne_features = ____

# Select the 0th feature: xs
xs = ____

# Select the 1th feature: ys
ys = tsne_features[:,1]

# Scatter plot
____

# Annotate the points
for x, y, company in zip(xs, ys, companies):
    plt.annotate(company, (x, y), fontsize=5, alpha=0.75)
plt.show()
Upravit a spustit kód