शुरू करेंमुफ़्त में शुरू करें

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.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Unsupervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • 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!

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()
कोड संपादित करें और चलाएँ