LoslegenKostenlos loslegen

Eine t-SNE-Karte des Aktienmarkts

t-SNE liefert großartige Visualisierungen, wenn die einzelnen Stichproben beschriftet werden können. In dieser Übung wendest du t-SNE auf die Kursdaten von Unternehmen an. Ein Streudiagramm der resultierenden t-SNE-Features, beschriftet mit den Firmennamen, ergibt eine Karte des Aktienmarkts! Die Kursbewegungen für jedes Unternehmen liegen dir als Array normalized_movements vor (dieses wurde bereits für dich normalisiert). Die Liste companies enthält den Namen jedes Unternehmens. PyPlot (plt) wurde bereits für dich importiert.

Diese Übung ist Teil des Kurses

Unsupervised Learning in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere TSNE aus sklearn.manifold.
  • Erzeuge eine TSNE-Instanz namens model mit learning_rate=50.
  • Wende die Methode .fit_transform() von model auf normalized_movements an. Weise das Ergebnis tsne_features zu.
  • Wähle die Spalte 0 und die Spalte 1 von tsne_features aus.
  • Erstelle ein Streudiagramm der t-SNE-Features xs und ys. Gib zusätzlich das Schlüsselwortargument alpha=0.5 an.
  • Code, der jeden Punkt mit seinem Firmennamen beschriftet, wurde bereits mit plt.annotate() für dich vorbereitet. Klicke also einfach auf Antwort senden, um die Visualisierung zu sehen!

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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()
Code bearbeiten und ausführen