НачатьНачать бесплатно

Кластеризация акций с помощью KMeans

В этом упражнении вы будете кластеризовать компании по ежедневным изменениям цен на их акции (то есть по разнице в долларах между ценой закрытия и ценой открытия за каждый торговый день). Вам предоставлен массив NumPy movements с ежедневными изменениями цен за период с 2010 по 2015 год (данные получены с Yahoo! Finance): каждая строка соответствует одной компании, а каждый столбец — одному торговому дню.

Цены на акции разных компаний существенно отличаются. Чтобы учесть это, добавьте в начало конвейера Normalizer. Он преобразует цены акций каждой компании к относительной шкале независимо от остальных — до начала кластеризации.

Обратите внимание: Normalizer() отличается от StandardScaler(), который вы использовали в предыдущем упражнении. StandardScaler() стандартизирует признаки (например, признаки данных о рыбах из предыдущего упражнения), вычитая среднее и масштабируя до единичной дисперсии. Normalizer() же масштабирует каждый объект выборки — в данном случае цену акций каждой компании — независимо от остальных.

KMeans и make_pipeline уже импортированы для вас.

Это упражнение является частью курса

Обучение без учителя на Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте Normalizer из sklearn.preprocessing.
  • Создайте экземпляр Normalizer с именем normalizer.
  • Создайте экземпляр KMeans с именем kmeans и числом кластеров 10.
  • С помощью make_pipeline() создайте конвейер с именем pipeline, объединив в нём normalizer и kmeans.
  • Обучите конвейер на массиве movements.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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
____
Редактировать и запускать код