Zacznij terazZacznij za darmo

Mapa t-SNE rynku giełdowego

t-SNE świetnie sprawdza się do wizualizacji danych, gdy poszczególne próbki można opatrzyć etykietami. W tym ćwiczeniu zastosujesz t-SNE do danych o cenach akcji spółek. Wykres punktowy wynikowych cech t-SNE, opisany nazwami firm, tworzy mapę rynku giełdowego! Zmiany cen akcji każdej spółki są dostępne w tablicy normalized_movements (dane zostały już wcześniej znormalizowane). Lista companies zawiera nazwy poszczególnych firm. Biblioteka PyPlot (plt) została już zaimportowana.

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj TSNE z sklearn.manifold.
  • Utwórz instancję TSNE o nazwie model z parametrem learning_rate=50.
  • Zastosuj metodę .fit_transform() obiektu model na normalized_movements. Wynik przypisz do zmiennej tsne_features.
  • Wybierz kolumnę 0 oraz kolumnę 1 z tsne_features.
  • Stwórz wykres punktowy cech t-SNE: xs i ys. Podaj dodatkowy argument kluczowy alpha=0.5.
  • Kod opisujący każdy punkt nazwą firmy za pomocą plt.annotate() został już przygotowany – kliknij Prześlij odpowiedź, aby zobaczyć wizualizację!

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()
Edytuj i uruchom kod