Kom igångKom igång gratis

Hierarkier av aktier

I kapitel 1 använde du k-means-klustring för att gruppera företag utifrån deras aktiekursrörelser. Nu ska du utföra hierarkisk klustring av samma företag. Du får ett NumPy-array med prisrörelser, movements, där raderna motsvarar företag, samt en lista med företagsnamn, companies. Hierarkisk klustring i SciPy passar inte in i en sklearn-pipeline, så du behöver använda funktionen normalize() från sklearn.preprocessing i stället för Normalizer.

linkage och dendrogram har redan importerats från scipy.cluster.hierarchy, och PyPlot har importerats som plt.

Den här övningen är en del av kursen

Oövervakad inlärning i Python

Visa kurs

Övningsinstruktioner

  • Importera normalize från sklearn.preprocessing.
  • Normalisera prisrörelserna för varje aktie med hjälp av funktionen normalize() på movements.
  • Använd funktionen linkage() på normalized_movements med 'complete'-länkning för att beräkna den hierarkiska klustringen. Tilldela resultatet till mergings.
  • Rita ett dendrogram över den hierarkiska klustringen och använd listan companies med företagsnamn som labels. Ange även nyckelordsargumenten leaf_rotation=90 och leaf_font_size=6, precis som du gjorde i föregående övning.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import normalize
____

# Normalize the movements: normalized_movements
normalized_movements = ____

# Calculate the linkage: mergings
mergings = ____

# Plot the dendrogram
____
plt.show()
Redigera och kör kod