Kom igångKom igång gratis

En t-SNE-karta över aktiemarknaden

t-SNE ger utmärkta visualiseringar när de enskilda urvalspunkterna kan märkas upp. I den här övningen applicerar du t-SNE på aktiekursdata för olika företag. Ett punktdiagram över de resulterande t-SNE-särdragen, märkt med företagsnamnen, ger dig en karta över aktiemarknaden! Aktiekursrörelserna för varje företag finns tillgängliga som arrayen normalized_movements (dessa har redan normaliserats åt dig). Listan companies innehåller namnet på varje företag. PyPlot (plt) har redan importerats åt dig.

Den här övningen är en del av kursen

Oövervakad inlärning i Python

Visa kurs

Övningsinstruktioner

  • Importera TSNE från sklearn.manifold.
  • Skapa en TSNE-instans kallad model med learning_rate=50.
  • Använd metoden .fit_transform() på model med normalized_movements som indata. Tilldela resultatet till tsne_features.
  • Välj kolumn 0 och kolumn 1 från tsne_features.
  • Skapa ett punktdiagram över t-SNE-särdragen xs och ys. Ange det extra nyckelordsargumentet alpha=0.5.
  • Koden som märker upp varje punkt med sitt företagsnamn har redan skrivits åt dig med hjälp av plt.annotate() – klicka bara på Skicka in svar för att se visualiseringen!

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod