Visualisera de inbäddade beskrivningarna
Nu när du har skapat inbäddningar från produktbeskrivningarna är det dags att utforska dem! Du använder t-SNE för att reducera antalet dimensioner i inbäddningsdata från 1 536 till två, vilket gör det mycket enklare att visualisera datan.
Du börjar med listan products – en lista med ordlistor från föregående övning – som innehåller produktinformation och de inbäddningar du skapade från 'short_description'. Som en påminnelse, här är en förhandstitt på 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 och numpy har importerats som plt respektive np.
Den här övningen är en del av kursen
Introduktion till inbäddningar med OpenAI API
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]