Wpływ ziarna na odrębne klastry
Zaobserwowałeś wpływ ziarna na zbiór danych, w którym grupy klastrów nie były wyraźnie zdefiniowane. W tym ćwiczeniu sprawdzisz, czy ziarno wpływa na klastry w danych Comic Con, gdzie klastry są dobrze określone.
Dane są przechowywane w DataFrame biblioteki pandas o nazwie comic_con. x_scaled i y_scaled to nazwy kolumn ze znormalizowanymi współrzędnymi X i Y osób w danym momencie.
To ćwiczenie jest częścią kursu
Analiza skupień w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import random class
____
# Initialize seed
random.____(____)
# Run kmeans clustering
cluster_centers, distortion = kmeans(comic_con[['x_scaled', 'y_scaled']], 2)
comic_con['cluster_labels'], distortion_list = vq(comic_con[['x_scaled', 'y_scaled']], cluster_centers)
# Plot the scatterplot
sns.scatterplot(x='x_scaled', y='y_scaled',
hue='cluster_labels', data = comic_con)
plt.show()