LoslegenKostenlos loslegen

Eine t-SNE-Karte des Aktienmarktes

t-SNE liefert großartige Visualisierungen, wenn die einzelnen Proben beschriftet werden können. In dieser Übung wirst du t-SNE auf die Aktienkursdaten des Unternehmens anwenden. Ein Streudiagramm der resultierenden t-SNE-Merkmale, die mit den Firmennamen beschriftet sind, gibt dir einen Überblick über den Aktienmarkt! Die Aktienkursbewegungen der einzelnen Unternehmen sind als Array „ normalized_movements ” verfügbar (diese wurden bereits für dich normalisiert). Die Liste „ companies “ enthält die Namen aller Unternehmen. PyPlot (plt) wurde für dich importiert.

Diese Übung ist Teil des Kurses

Unüberwachtes Lernen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere TSNE aus sklearn.manifold.
  • Erstell eine TSNE-Instanz namens „ model ” mit „ learning_rate=50 ”.
  • Wende die „ .fit_transform() ”-Methode von model auf normalized_movements an. Weise das Ergebnis tsne_features zu.
  • Wähle die Spalten „ 0 “ und „ 1 “ aus „ tsne_features “ aus.
  • Erstelle ein Streudiagramm der t-SNE-Merkmale xs und ys. Gib das zusätzliche Schlüsselwortargument „ alpha=0.5 “ an.
  • Der Code zum Beschriften der einzelnen Punkte mit dem jeweiligen Firmennamen wurde für dich mit „ plt.annotate() “ geschrieben. Klicke einfach auf „Senden“, um die Visualisierung anzuzeigen!

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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