始める無料で始める

KMeans を使った株式のクラスタリング

この演習では、企業の株価の一日あたりの値動き（取引日ごとの始値と終値の差（ドル））を使って企業をクラスタリングします。2010 年から 2015 年までの一日あたりの値動きを格納した NumPy 配列 movements（Yahoo! Finance から取得）が与えられており、各行が企業、各列が取引日に対応します。

銘柄によって株価の水準は異なります。これを考慮するため、パイプラインの最初に Normalizer を入れてください。Normalizer は、クラスタリングを始める前に各企業の株価系列を相対的なスケールにそれぞれ変換します。

Normalizer() は、前の演習で使用した StandardScaler() とは異なる点に注意してください。StandardScaler() が（前の演習の魚のデータのような）特徴量を、平均を引いて分散を 1 にスケーリングすることで標準化するのに対し、Normalizer() は他のサンプルとは独立に、各サンプル（ここでは各企業の株価系列）を再スケーリングします。

KMeans と make_pipeline はすでにインポートされています。

この演習はコースの一部です

Pythonで学ぶ教師なし学習

コースを見る

演習の手順

  • sklearn.preprocessing から Normalizer をインポートします。
  • Normalizer のインスタンスを作成し、normalizer と名付けます。
  • KMeans のインスタンスを作成し、クラスタ数を 10 に設定して kmeans と名付けます。
  • make_pipeline() を使って、normalizer と kmeans を連結したパイプライン pipeline を作成します。
  • movements 配列に対してパイプラインを学習（fit）させます。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Import Normalizer
____

# Create a normalizer: normalizer
normalizer = ____

# Create a KMeans model with 10 clusters: kmeans
kmeans = ____

# Make a pipeline chaining normalizer and kmeans: pipeline
pipeline = ____

# Fit pipeline to the daily price movements
____
コードを編集して実行