ComenzarEmpieza gratis

Un mapa t-SNE del mercado bursátil.

t-SNE proporciona excelentes visualizaciones cuando se pueden etiquetar las muestras individuales. En este ejercicio, aplicarás t-SNE a los datos del precio de las acciones de la empresa. Un gráfico de dispersión de las características t-SNE resultantes, etiquetadas con los nombres de las empresas, te ofrece un mapa del mercado de valores. Los movimientos de las cotizaciones bursátiles de cada empresa están disponibles en la matriz normalized_movements (ya se han normalizado para ti). La lista companies da el nombre de cada empresa. PyPlot (plt) se ha importado para ti.

Este ejercicio forma parte del curso

Aprendizaje no supervisado en Python

Ver curso

Instrucciones del ejercicio

  • Importa TSNE desde sklearn.manifold.
  • Crea una instancia TSNE llamada « model » con « learning_rate=50 ».
  • Aplica el método .fit_transform() de model a normalized_movements. Asigna el resultado a tsne_features.
  • Selecciona la columna 0 y la columna 1 de tsne_features.
  • Haz un gráfico de dispersión de las características t-SNE xs y ys. Especifica el argumento de palabra clave adicional alpha=0.5.
  • El código para etiquetar cada punto con el nombre de su empresa se ha escrito para ti utilizando plt.annotate(), ¡así que solo tienes que pulsar enviar para ver la visualización!

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# 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()
Editar y ejecutar código