शुरू करेंमुफ़्त में शुरू करें

पोकेमॉन sightings: hierarchical clustering

हम पिछले अभ्यास से legendary पोकेमॉन के sightings की जाँच को आगे बढ़ाने वाले हैं। याद कीजिए कि पिछले अभ्यास के scatter plot में आपने दो ऐसे क्षेत्र पहचाने थे जहाँ sightings घनी थीं। इसका मतलब है कि पॉइंट्स दो क्लस्टर्स में बँटते दिखते हैं। इस अभ्यास में, आप hierarchical clustering का उपयोग करके sightings के दो क्लस्टर बनाएँगे।

'x' और 'y' sightings के स्थानों के X और Y coordinates वाले कॉलम हैं, जो pandas DataFrame df में स्टोर हैं। आपके लिए निम्न उपलब्ध हैं: matplotlib.pyplot as plt, seaborn as sns, और pandas as pd.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में क्लस्टर विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • linkage और fcluster लाइब्रेरीज़ इम्पोर्ट करें।
  • linkage() फंक्शन का उपयोग करके ward मेथड से distances compute करें।
  • fcluster() फंक्शन से दो क्लस्टर्स के साथ प्रत्येक डेटा पॉइंट के लिए cluster labels जनरेट करें।
  • seaborn से पॉइंट्स प्लॉट करें और प्रत्येक क्लस्टर को अलग रंग असाइन करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()
कोड संपादित करें और चलाएँ