IniziaInizia gratis

Una mappa t-SNE del mercato azionario

t-SNE offre ottime visualizzazioni quando i singoli campioni possono essere etichettati. In questo esercizio applicherai t-SNE ai dati dei prezzi azionari delle aziende. Uno scatter plot delle feature t-SNE risultanti, etichettato con i nomi delle aziende, ti dà una mappa del mercato azionario! I movimenti dei prezzi per ciascuna azienda sono disponibili nell'array normalized_movements (sono già stati normalizzati). La lista companies contiene il nome di ogni azienda. PyPlot (plt) è già stato importato per te.

Questo esercizio fa parte del corso

Apprendimento non supervisionato in Python

Visualizza il corso

Istruzioni dell'esercizio

  • Importa TSNE da sklearn.manifold.
  • Crea un'istanza TSNE chiamata model con learning_rate=50.
  • Applica il metodo .fit_transform() di model a normalized_movements. Assegna il risultato a tsne_features.
  • Seleziona la colonna 0 e la colonna 1 di tsne_features.
  • Crea uno scatter plot delle feature t-SNE xs e ys. Specifica anche l'argomento alpha=0.5.
  • Il codice per etichettare ogni punto con il nome dell'azienda è già stato scritto per te usando plt.annotate(), quindi premi Invia risposta per vedere la visualizzazione!

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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()
Modifica ed esegui il codice