股票的层次结构

在第 1 章，您使用 k-means 聚类根据股票价格变动对公司进行了聚类。现在，您将对这些公司执行层次聚类。已提供一个 NumPy 数组 movements（价格变动），其中每一行对应一家公司的数据，以及一个公司名称列表 companies。由于 SciPy 的层次聚类无法整合进 sklearn 的 pipeline，因此您需要使用 sklearn.preprocessing 中的 normalize() 函数，而不是 Normalizer。

linkage 和 dendrogram 已经从 scipy.cluster.hierarchy 导入，PyPlot 已以 plt 的名称导入。

本练习是课程的一部分

Python 中的无监督学习

查看课程

练习说明

从 sklearn.preprocessing 导入 normalize。
对 movements 使用 normalize() 函数，为每只股票重新缩放价格变动。
对 normalized_movements 调用 linkage() 函数，并使用 'complete' 连接方式，计算层次聚类。将结果赋值给 mergings。
绘制该层次聚类的树状图，使用公司名称列表 companies 作为 labels。此外，像在上一个练习中一样，指定关键字参数 leaf_rotation=90 和 leaf_font_size=6。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import normalize
____

# Normalize the movements: normalized_movements
normalized_movements = ____

# Calculate the linkage: mergings
mergings = ____

# Plot the dendrogram
____
plt.show()

编辑并运行代码