Začněte nyníZačněte zdarma

Hierarchie akcií

V kapitole 1 jsi pomocí k-means shlukování rozděloval/a společnosti podle pohybů jejich cen akcií. Teď provedeš hierarchické shlukování těchto společností. Máš k dispozici NumPy pole cenových pohybů movements, kde řádky odpovídají jednotlivým společnostem, a seznam názvů společností companies. Hierarchické shlukování SciPy nezapadá přímo do sklearn pipeline, takže místo Normalizer použiješ funkci normalize() z sklearn.preprocessing.

linkage a dendrogram už jsou naimportované z scipy.cluster.hierarchy a PyPlot je naimportovaný jako plt.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Naimportuj normalize z sklearn.preprocessing.
  • Přeškáluj cenové pohyby každé akcie pomocí funkce normalize() aplikované na movements.
  • Aplikuj funkci linkage() na normalized_movements s použitím propojení 'complete' pro výpočet hierarchického shlukování. Výsledek ulož do proměnné mergings.
  • Vykresli dendrogram hierarchického shlukování — jako labels použij seznam companies s názvy společností. Zadej také klíčové argumenty leaf_rotation=90 a leaf_font_size=6, stejně jako v předchozím cvičení.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import normalize
____

# Normalize the movements: normalized_movements
normalized_movements = ____

# Calculate the linkage: mergings
mergings = ____

# Plot the dendrogram
____
plt.show()
Upravit a spustit kód