Visualisierung der eingebetteten Beschreibungen
Jetzt, wo du die Einbettungen aus den Produktbeschreibungen erstellt hast, ist es an der Zeit, sie zu erkunden! Du verwendest t-SNE, um die Anzahl der Dimensionen in den Einbettungsdaten von 1.536 auf zwei zu reduzieren, wodurch die Daten viel einfacher zu visualisieren sind.
Du beginnst mit der products
Liste von Wörterbüchern, mit denen du in der letzten Übung gearbeitet hast. Sie enthält Produktinformationen und die Einbettungen, die du aus der 'short_description'
erstellt hast. Zur Erinnerung: Hier ist eine Vorschau auf products
:
products = [
{
"title": "Smartphone X1",
"short_description": "The latest flagship smartphone with AI-powered features and 5G connectivity.",
"price": 799.99,
"category": "Electronics",
"features": [
"6.5-inch AMOLED display",
"Quad-camera system with 48MP main sensor",
"Face recognition and fingerprint sensor",
"Fast wireless charging"
],
"embedding": [-0.014650369994342327, ..., 0.008677126839756966]
},
...
]
matplotlib.pyplot
und numpy
wurden als plt
bzw. np
importiert.
Diese Übung ist Teil des Kurses
Einführung in Embeddings mit der OpenAI API
Interaktive Übung zum Anfassen
Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.
# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]