ComeçarComece de graça

Hierarquias de ações

No capítulo 1, você usou o agrupamento k-means para agrupar empresas de acordo com os movimentos dos preços das ações. Agora, você vai fazer um agrupamento hierárquico das empresas. Você recebe uma matriz NumPy com os movimentos dos preços movements, onde as linhas são as empresas, e uma lista com os nomes das empresas companies. O agrupamento hierárquico SciPy não se encaixa em um pipeline sklearn, então você vai precisar usar a função normalize() de sklearn.preprocessing em vez de Normalizer.

linkage e dendrogram já foram importados de scipy.cluster.hierarchy, e PyPlot foi importado como plt.

Este exercício faz parte do curso

Aprendizado não supervisionado em Python

Ver curso

Instruções do exercício

  • Importe normalize de sklearn.preprocessing.
  • Redimensione os movimentos de preço de cada ação usando a função “ normalize() ” em movements.
  • Aplique a função linkage() a normalized_movements, usando a ligação 'complete', para calcular o agrupamento hierárquico. Atribua o resultado a mergings.
  • Trace um dendrograma da agrupamento hierárquico, usando a lista companies de nomes de empresas como o labels. Além disso, especifique os argumentos de palavra-chave leaf_rotation=90 e leaf_font_size=6 como você fez no exercício anterior.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import normalize
____

# Normalize the movements: normalized_movements
normalized_movements = ____

# Calculate the linkage: mergings
mergings = ____

# Plot the dendrogram
____
plt.show()
Editar e executar o código