เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

แผนที่ t-SNE ของตลาดหุ้น

t-SNE สร้างภาพที่มีประสิทธิภาพมากขึ้นเมื่อสามารถระบุ label ให้กับแต่ละตัวอย่างได้ ในแบบฝึกหัดนี้ จะได้ลองนำ t-SNE ไปใช้กับข้อมูลราคาหุ้นของบริษัทต่างๆ scatter plot ของ t-SNE features ที่ได้ พร้อม label ชื่อบริษัท จะกลายเป็นแผนที่ของตลาดหุ้น! ข้อมูลการเคลื่อนไหวของราคาหุ้นแต่ละบริษัทพร้อมให้ใช้งานในรูปแบบ array ชื่อ normalized_movements (ผ่านการ normalize มาให้แล้ว) และรายชื่อบริษัทอยู่ใน list companies นอกจากนี้ได้ import PyPlot (plt) ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Unsupervised Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import TSNE จาก sklearn.manifold
  • สร้าง TSNE instance ชื่อ model โดยกำหนด learning_rate=50
  • เรียกใช้เมธอด .fit_transform() ของ model กับ normalized_movements แล้วเก็บผลลัพธ์ไว้ใน tsne_features
  • เลือกคอลัมน์ 0 และคอลัมน์ 1 จาก tsne_features
  • สร้าง scatter plot จาก t-SNE features xs และ ys พร้อมระบุ keyword argument เพิ่มเติมว่า alpha=0.5
  • โค้ดสำหรับ label แต่ละจุดด้วยชื่อบริษัทเขียนไว้ให้แล้วโดยใช้ plt.annotate() กด ส่งคำตอบ เพื่อดูภาพ visualization ได้เลย!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด