LoslegenKostenlos starten

Hierarchisches Clustering der Getreidedaten

Im Video hast du gelernt, dass die SciPy-Funktion linkage() hierarchisches Clustering auf einem Array von Proben durchführt. Verwende die Funktion linkage(), um ein hierarchisches Clustering der Getreideproben zu erhalten, und nutze dendrogram(), um das Ergebnis zu visualisieren. Eine Stichprobe der Getreidemessungen ist im Array samples enthalten, während die Sorte jeder Getreideprobe in der Liste varieties angegeben ist.

Diese Übung ist Teil des Kurses

<Kurs>Unsupervised Learning in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere:
    • linkage und dendrogram aus scipy.cluster.hierarchy.
    • matplotlib.pyplot als plt.
  • Führe hierarchisches Clustering auf samples mit der Funktion linkage() und dem Schlüsselwortargument method='complete' durch. Weise das Ergebnis mergings zu.
  • Plotte ein Dendrogramm, indem du dendrogram() auf mergings anwendest. Gib die Schlüsselwortargumente labels=varieties, leaf_rotation=90 und leaf_font_size=6 an.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Perform the necessary imports
from ____ import ____, ____
import ____ as ____

# Calculate the linkage: mergings
mergings = ____

# Plot the dendrogram, using varieties as labels
dendrogram(____,
           labels=____,
           leaf_rotation=____,
           leaf_font_size=____,
)
plt.show()
Code bearbeiten und ausführen