Zacznij terazZacznij za darmo

Pokémon sightings: grupowanie k-means

Kontynuujemy analizę obserwacji legendarnych Pokémonów z poprzedniego ćwiczenia. Podobnie jak wcześniej, posłużymy się tym samym przykładem. W tym ćwiczeniu pogrupujesz obserwacje przy użyciu algorytmu k-means.

x i y to kolumny współrzędnych X i Y lokalizacji obserwacji, zapisane w ramce danych pandas o nazwie df. Do dyspozycji masz: matplotlib.pyplot jako plt, seaborn jako sns oraz pandas jako pd.

To ćwiczenie jest częścią kursu

Analiza skupień w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj funkcje kmeans i vq.
  • Użyj funkcji kmeans(), aby obliczyć centra klastrów – zdefiniuj dwa klastry.
  • Przypisz etykiety klastrów do każdego punktu danych za pomocą funkcji vq().
  • Narysuj punkty za pomocą seaborn i przypisz każdemu klastrowi inny kolor.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import kmeans and vq functions
from scipy.cluster.vq import ____, ____

# Compute cluster centers
centroids,_ = ____(____, ____)

# Assign cluster labels
df['cluster_labels'], _ = ____(____, ____)

# Plot the points with seaborn
sns.scatterplot(x=____, y=____, hue=____, data=df)
plt.show()
Edytuj i uruchom kod