1. Apprendre
    2. /
  2. Cours
    3. /
  3. Unsupervised Learning in Python
Connected

Exercice

Une carte t-SNE du marché boursier

t-SNE donne d'excellentes visualisations lorsque chaque observation peut être associée à une étiquette. Dans cet exercice, vous allez appliquer t-SNE aux données de prix des actions des entreprises. Un nuage de points des caractéristiques t-SNE obtenues, annoté avec les noms des entreprises, vous fournit une carte du marché boursier ! Les mouvements du prix des actions pour chaque entreprise sont fournis dans le tableau normalized_movements (ils ont déjà été normalisés pour vous). La liste companies contient le nom de chaque entreprise. PyPlot (plt) a été importé pour vous.

Instructions

100 XP
  • Importez TSNE depuis sklearn.manifold.
  • Créez une instance TSNE appelée model avec learning_rate=50.
  • Appliquez la méthode .fit_transform() de model à normalized_movements. Assignez le résultat à tsne_features.
  • Sélectionnez la colonne 0 et la colonne 1 de tsne_features.
  • Créez un nuage de points des caractéristiques t-SNE xs et ys. Indiquez aussi l'argument nommé supplémentaire alpha=0.5.
  • Le code pour annoter chaque point avec le nom de son entreprise a déjà été écrit pour vous avec plt.annotate(). Il ne vous reste qu'à cliquer sur Soumettre la réponse pour voir la visualisation !