क्लस्टर्स पर बुनियादी जाँचें
FIFA 18 डेटासेट में, पिछले अभ्यासों में हमने डिफेंडर्स पर ध्यान दिया था। अब किसी खिलाड़ी के अटैकिंग एट्रिब्यूट्स पर फोकस करते हैं। Pace (pac), Dribbling (dri) और Shooting (sho) वे फीचर्स हैं जो आक्रामक खेलने वाले खिलाड़ियों में दिखते हैं। इस अभ्यास में, इन तीनों एट्रिब्यूट्स के स्केल किए गए मानों का उपयोग कर डेटा पर k-means क्लस्टरिंग पहले से लागू की जा चुकी है। बने हुए क्लस्टर्स पर कुछ बुनियादी जाँचें कीजिए।
डेटा एक pandas DataFrame fifa में स्टोर है। स्केल किए गए कॉलम नामों की सूची scaled_features में दी गई है। क्लस्टर लेबल्स cluster_labels कॉलम में स्टोर हैं। याद करें कि pandas में .count() और .mean() मेथड्स DataFrame में ऑब्ज़र्वेशन्स की संख्या और उनका औसत निकालने में मदद करते हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में क्लस्टर विश्लेषण
अभ्यास निर्देश
cluster_labelsकॉलम के आधार पर group करके क्लस्टर्स का साइज़ प्रिंट करें.- हर क्लस्टर में खिलाड़ियों के वेजेज के mean मान प्रिंट करें। खिलाड़ी की वेतन (यूरो में) स्टोर करने वाला कॉलम
eur_wageहै.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())