開始使用免費開始

使用 KMeans 分群股票

在這個練習中，你會使用公司每日股價波動來做分群（也就是每個交易日收盤價與開盤價的美元差）。你會拿到一個 NumPy 陣列 movements，其中包含 2010 到 2015 年（來自 Yahoo! Finance）的每日波動：每一列代表一間公司，每一欄代表一個交易日。

有些股票本來就比較貴。為了考量這點，請在管線的最前面加入 Normalizer。在分群開始前，Normalizer 會分別把每家公司的股價轉換到相對尺度。

注意，Normalizer() 和你在前一個練習用的 StandardScaler() 不同。StandardScaler() 會對「特徵」做標準化（例如前一題魚類資料的各項特徵），方式是移除平均值並縮放到單位變異；而 Normalizer() 則是對「每個樣本」— 在這裡指每家公司的股價 — 各自重新縮放，彼此獨立。

KMeans 與 make_pipeline 已替你匯入。

本練習屬於課程

Unsupervised Learning in Python

檢視課程

練習說明

  • 從 sklearn.preprocessing 匯入 Normalizer。
  • 建立一個名為 normalizer 的 Normalizer 實例。
  • 建立一個名為 kmeans、具有 10 個叢集的 KMeans 實例。
  • 使用 make_pipeline() 建立名為 pipeline 的管線，串接 normalizer 與 kmeans。
  • 將管線擬合到陣列 movements。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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
____
編輯並執行程式碼