股票市场的 t-SNE 映射

当每个样本都有标签时，t-SNE 的可视化非常出色。本练习中，您将把 t-SNE 应用于公司股票价格数据。将生成的 t-SNE 特征绘制成散点图，并用公司名称标注，您就能得到一张股票市场的"地图"！每家公司的股价变动已作为数组 normalized_movements 提供（已为您完成标准化）。列表 companies 给出了每家公司的名称。已为您导入 PyPlot（plt）。

本练习是课程的一部分

Python 中的无监督学习

查看课程

练习说明

从 sklearn.manifold 导入 TSNE。
创建一个名为 model 的 TSNE 实例，并设置 learning_rate=50。
对 normalized_movements 调用 model 的 .fit_transform() 方法，并将结果赋值给 tsne_features。
选取 tsne_features 的第 0 列和第 1 列。
使用 t-SNE 特征 xs 和 ys 绘制散点图，并指定关键字参数 alpha=0.5。
使用 plt.annotate() 为每个点添加公司名称的代码已为您写好，直接提交即可查看可视化结果！

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码