Wizualizacja osadzeń opisów produktów
Masz już gotowe osadzenia (embeddings) opisów produktów – czas je zbadać! Użyjesz metody t-SNE, aby zredukować liczbę wymiarów danych osadzeń z 1 536 do dwóch, co znacznie ułatwi ich wizualizację.
Punktем wyjścia będzie lista słowników products, z którą pracowałeś w poprzednim ćwiczeniu. Zawiera ona informacje o produktach oraz osadzenia utworzone na podstawie klucza 'short_description'. Dla przypomnienia, oto podgląd struktury products:
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.pyplot i numpy zostały zaimportowane odpowiednio jako plt i np.
To ćwiczenie jest częścią kursu
Wprowadzenie do osadzeń z OpenAI API
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]