Pokémon sightings: hierarchical clustering
Budeme pokračovat v analýze pozorování legendárních Pokémonů z předchozího cvičení. Vzpomeň si, že v bodovém grafu z předchozího cvičení jsi identifikoval/a dvě oblasti s hustým výskytem pozorování – body se tedy zdají rozdělovat do dvou clusterů. V tomto cvičení vytvoříš dva clustery pozorování pomocí hierarchického clusteringu.
'x' a 'y' jsou sloupce souřadnic X a Y polohy jednotlivých pozorování, uložené v pandas DataFrame df. K dispozici máš: matplotlib.pyplot jako plt, seaborn jako sns a pandas jako pd.
Toto cvičení je součástí kurzu
Cluster Analysis in Python
Pokyny k cvičení
- Naimportuj knihovny
linkageafcluster. - Pomocí funkce
linkage()vypočítej vzdálenosti metodou ward. - Pomocí funkce
fcluster()vygeneruj popisky clusterů pro každý datový bod se dvěma clustery. - Vykresli body pomocí seaborn a přiřaď každému clusteru jinou barvu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import linkage and fcluster functions
from scipy.cluster.hierarchy import ____, ____
# Use the linkage() function to compute distance
Z = ____(____, 'ward')
# Generate cluster labels
df['cluster_labels'] = ____(____, ____, criterion='maxclust')
# Plot the points with seaborn
sns.scatterplot(x=____, y=____, hue=____, data=df)
plt.show()