ÎncepețiÎncepe gratuit

O hartă t-SNE a pieței bursiere

t-SNE produce vizualizări excelente atunci când eșantioanele individuale pot fi etichetate. În acest exercițiu, vei aplica t-SNE datelor privind prețurile acțiunilor companiilor. O diagramă de dispersie a atributelor t-SNE rezultate, etichetată cu numele companiilor, îți oferă o hartă a pieței bursiere! Mișcările prețurilor acțiunilor pentru fiecare companie sunt disponibile sub forma array-ului normalized_movements (acestea au fost deja normalizate pentru tine). Lista companies conține numele fiecărei companii. PyPlot (plt) a fost deja importat.

Acest exercițiu face parte din cursul

Învățare nesupervizată în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă TSNE din sklearn.manifold.
  • Creează o instanță TSNE numită model cu learning_rate=50.
  • Aplică metoda .fit_transform() a lui model pe normalized_movements. Atribuie rezultatul variabilei tsne_features.
  • Selectează coloana 0 și coloana 1 din tsne_features.
  • Realizează o diagramă de dispersie a atributelor t-SNE xs și ys. Specifică argumentul cheie suplimentar alpha=0.5.
  • Codul pentru etichetarea fiecărui punct cu numele companiei corespunzătoare a fost deja scris pentru tine folosind plt.annotate(), așa că apasă Trimite răspunsul pentru a vedea vizualizarea!

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()
Editează și rulează codul