1. Learn
    2. /
  2. कोर्स
    3. /
  3. Python में Unsupervised Learning
Connected

अभ्यास

स्टॉक मार्केट का t-SNE मानचित्र

जब व्यक्तिगत सैंपल्स को लेबल किया जा सकता है, तो t-SNE बेहतरीन विज़ुअलाइज़ेशन देता है. इस अभ्यास में, आप कंपनी के स्टॉक प्राइस डेटा पर t-SNE लागू करेंगे. परिणामी t-SNE फीचर्स का स्कैटर प्लॉट, जिसे कंपनी नामों से लेबल किया गया है, आपको स्टॉक मार्केट का एक मानचित्र देता है! प्रत्येक कंपनी के स्टॉक प्राइस मूवमेंट्स normalized_movements नाम की array में उपलब्ध हैं (ये आपके लिए पहले से normalized हैं). सूची companies प्रत्येक कंपनी का नाम देती है. PyPlot (plt) आपके लिए इम्पोर्ट किया जा चुका है.

निर्देश

100 XP
  • sklearn.manifold से TSNE इम्पोर्ट करें.
  • learning_rate=50 के साथ model नाम का एक TSNE इंस्टेंस बनाएँ.
  • model की .fit_transform() मेथड को normalized_movements पर लागू करें. परिणाम को tsne_features में असाइन करें.
  • tsne_features के कॉलम 0 और कॉलम 1 चुनें.
  • t-SNE फीचर्स xs और ys का एक स्कैटर प्लॉट बनाएँ. अतिरिक्त कीवर्ड आर्ग्युमेंट alpha=0.5 भी दें.
  • प्रत्येक बिंदु को उसकी कंपनी के नाम से लेबल करने का कोड plt.annotate() के साथ पहले से लिखा हुआ है, तो विज़ुअलाइज़ेशन देखने के लिए बस सबमिट करें!