1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie nienadzorowane w Pythonie
Connected

ćwiczenie

Hierarchie akcji

W rozdziale 1. użyłeś klastrowania k-średnich do grupowania spółek według zmian cen ich akcji. Teraz przeprowadzisz klastrowanie hierarchiczne tych samych spółek. Dysponujesz tablicą NumPy z ruchami cen movements, gdzie wiersze odpowiadają poszczególnym spółkom, oraz listą nazw spółek companies. Klastrowanie hierarchiczne z biblioteki SciPy nie pasuje do potoku scikit-learn, dlatego zamiast Normalizer użyjesz funkcji normalize() z modułu sklearn.preprocessing.

linkage i dendrogram zostały już zaimportowane z scipy.cluster.hierarchy, a PyPlot jest dostępny jako plt.

Instrukcje

100 XP
  • Zaimportuj normalize z sklearn.preprocessing.
  • Przeskaluj zmiany cen każdej akcji, stosując funkcję normalize() na tablicy movements.
  • Zastosuj funkcję linkage() do normalized_movements, używając łączenia 'complete', aby obliczyć klastrowanie hierarchiczne. Wynik przypisz do zmiennej mergings.
  • Wyrysuj dendrogram klastrowania hierarchicznego, używając listy nazw spółek companies jako parametru labels. Dodatkowo podaj argumenty słów kluczowych leaf_rotation=90 i leaf_font_size=6, tak jak w poprzednim ćwiczeniu.