1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Analiza skupień w Pythonie
Connected

Exercise

FIFA 18: analiza obrońców

Zbiór danych FIFA 18 zawiera różne atrybuty zawodników. Dwa z nich to:

  • sliding tackle: liczba z zakresu 0–99 określająca skuteczność wykonywania przez zawodnika wślizgów
  • aggression: liczba z zakresu 0–99 określająca zaangażowanie i determinację zawodnika

Oba atrybuty są zazwyczaj wysokie u zawodników nastawionych defensywnie. W tym ćwiczeniu wykonasz klasteryzację na podstawie tych atrybutów.

Ten zbiór danych składa się z 5000 wierszy i jest znacznie większy niż wcześniejsze zbiory. Uruchomienie hierarchicznego klasteryzowania na tych danych może zająć do 10 sekund.

Następujące moduły są już załadowane: dendrogram, linkage, fcluster z scipy.cluster.hierarchy, matplotlib.pyplot jako plt, seaborn jako sns. Dane są przechowywane w ramce danych pandas o nazwie fifa.

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Dopasuj przeskalowane dane z kolumn scaled_sliding_tackle i scaled_aggression do algorytmu hierarchicznego klasteryzowania. Możesz też sprawdzić czas wykonania za pomocą modułu timeit.