CommencerCommencer gratuitement

Une carte t-SNE du marché boursier

t-SNE fournit d'excellentes visualisations lorsque les échantillons individuels peuvent être étiquetés. Dans cet exercice, vous appliquerez t-SNE aux données relatives au cours des actions des entreprises. Un graphique des caractéristiques t-SNE obtenues, étiquetées par les noms des entreprises, vous donne une carte du marché boursier. Les fluctuations du cours des actions de chaque entreprise sont disponibles sous la forme du tableau normalized_movements (elles ont déjà été normalisées pour vous). La liste companies fournit le nom de chaque entreprise. PyPlot (plt) a été importé pour vous.

Cet exercice fait partie du cours

Apprentissage non supervisé en Python

Afficher le cours

Instructions

  • 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. Attribuez le résultat à tsne_features.
  • Sélectionnez la colonne 0 et la colonne 1 de tsne_features.
  • Créez un graphique de nuage de points des caractéristiques t-SNE xs et ys. Spécifiez l'argument clé supplémentaire alpha=0.5.
  • Le code permettant d'étiqueter chaque point avec le nom de son entreprise a été écrit pour vous à l'aide de plt.annotate(). Il vous suffit donc de cliquer sur « Soumettre » pour voir le graphique.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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()
Modifier et exécuter le code