始める無料で始める

埋め込み済みの説明を可視化する

商品説明から埋め込みを作成できたので、次はそれらを探索してみましょう。埋め込みデータの次元数を 1,536 から 2 に削減するために、t-SNE を使います。これにより、データがずっと可視化しやすくなります。

前の演習で扱った、商品情報と 'short_description' から作成した埋め込みを含む辞書のリスト products から始めます。確認のために、products のプレビューを示します。

products = [
    {
        "title": "Smartphone X1",
        "short_description": "The latest flagship smartphone with AI-powered features and 5G connectivity.",
        "price": 799.99,
        "category": "Electronics",
        "features": [
            "6.5-inch AMOLED display",
            "Quad-camera system with 48MP main sensor",
            "Face recognition and fingerprint sensor",
            "Fast wireless charging"
        ],
        "embedding": [-0.014650369994342327, ..., 0.008677126839756966]
    },
    ...
]

matplotlib.pyplotnumpy は、それぞれ pltnp としてインポート済みです。

この演習はコースの一部です

OpenAI API ではじめる Embeddings 入門

コースを見る

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]
コードを編集して実行