Zacznij terazZacznij za darmo

Jednolite wzorce grupowania

Teraz, gdy znasz już wpływ ziaren losowości, przyjrzyjmy się tendencji algorytmu k-means do tworzenia jednorodnych skupień.

W tym ćwiczeniu użyjemy zbioru danych przypominającego mysz. Taki zbiór danych to grupa punktów ułożonych w kształt głowy myszy: trzy skupienia punktów rozmieszczone w okręgach – jedno odpowiada twarzy, a dwa pozostałe uszom myszy.

Oto jak wygląda typowy zbiór danych w kształcie myszy (źródło).

Dane są przechowywane w DataFrame biblioteki pandas o nazwie mouse. x_scaled i y_scaled to nazwy kolumn zawierających znormalizowane współrzędne X i Y punktów danych.

To ćwiczenie jest częścią kursu

Analiza skupień w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj funkcje kmeans i vq z biblioteki SciPy.
  • Wyznacz centra skupień za pomocą funkcji kmeans(), określając trzy skupienia.
  • Utwórz etykiety skupień za pomocą funkcji vq(), używając wyznaczonych powyżej centrów skupień.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import the kmeans and vq functions
____

# Generate cluster centers
cluster_centers, distortion = ____

# Assign cluster labels
mouse['cluster_labels'], distortion_list = ____

# Plot clusters
sns.scatterplot(x='x_scaled', y='y_scaled', 
                hue='cluster_labels', data = mouse)
plt.show()
Edytuj i uruchom kod