ComenzarEmpieza gratis

Jerarquías de acciones

En el capítulo 1, utilizaste la agrupación de k-medias para agrupar empresas según los movimientos de sus cotizaciones bursátiles. Ahora, realizarás la agrupación jerárquica de las empresas. Se te da una matriz NumPy de movimientos de precios movements, donde las filas corresponden a empresas, y una lista de los nombres de las empresas companies. La agrupación jerárquica de SciPy no encaja en una canalización de sklearn, por lo que tendrás que utilizar la función normalize() de sklearn.preprocessing en lugar de Normalizer.

linkage y dendrogram ya se han importado de scipy.cluster.hierarchy, y PyPlot se ha importado como plt.

Este ejercicio forma parte del curso

Aprendizaje no supervisado en Python

Ver curso

Instrucciones del ejercicio

  • Importa normalize desde sklearn.preprocessing.
  • Reescala los movimientos de precios de cada acción utilizando la función normalize() en movements.
  • Aplica la función linkage() a normalized_movements, utilizando el enlace 'complete', para calcular la agrupación jerárquica. Asigna el resultado a mergings.
  • Traza un dendrograma de la agrupación jerárquica, utilizando la lista companies de nombres de empresas como labels. Además, especifica los argumentos de las palabras clave leaf_rotation=90, y leaf_font_size=6 como hiciste en el ejercicio anterior.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import normalize
____

# Normalize the movements: normalized_movements
normalized_movements = ____

# Calculate the linkage: mergings
mergings = ____

# Plot the dendrogram
____
plt.show()
Editar y ejecutar código