Clustering ierarhic: metoda ward

A venit vremea Comic-Con! Comic-Con este o convenție anuală dedicată benzilor desenate, organizată în marile orașe ale lumii. Ai la dispoziție datele privind afluxul de vizitatori de anul trecut – adică numărul de persoane prezente în zona convențieiei la un moment dat. Vrei să alegi locația standului tău astfel încât să maximizezi vânzările. Folosind metoda ward, aplică clustering ierarhic pentru a identifica cele două puncte de atracție din zonă.

Datele sunt stocate într-un DataFrame pandas, comic_con. x_scaled și y_scaled sunt numele coloanelor ce conțin coordonatele X și Y standardizate ale persoanelor la un moment dat.

Acest exercițiu face parte din cursul

Analiza clusterelor în Python

Instrucțiuni pentru exercițiu

Importă fcluster și linkage din scipy.cluster.hierarchy.
Folosește metoda ward în funcția linkage().
Atribuie etichete de cluster formând 2 clustere plate din distance_matrix.
Rulează codul de vizualizare pentru a vedea rezultatele.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the fcluster and linkage functions
from scipy.cluster.hierarchy import ____, ____

# Use the linkage() function
distance_matrix = ____(comic_con[['x_scaled', 'y_scaled']], ____ = ____, metric = 'euclidean')

# Assign cluster labels
comic_con['cluster_labels'] = ____(____, ____, criterion='maxclust')

# Plot clusters
sns.scatterplot(x='x_scaled', y='y_scaled', 
                hue='cluster_labels', data = comic_con)
plt.show()

Editează și rulează codul

Acest exercițiu face parte din cursul

Analiza clusterelor în Python

SkillTag.level.intermediateSkillTag.label

4.8+

Începe cursul gratuit

Înainte de a fi pregătit să clasifici articole de știri, trebuie să te familiarizezi cu noțiunile de bază ale clustering-ului. Acest capitol îți prezintă o clasă de algoritmi de învățare automată numită învățare nesupervizată, după care te introduce în clustering – unul dintre cei mai populari algoritmi nesupervizați. Vei afla despre două tehnici populare de clustering: clustering ierarhic și clustering k-means. Capitolul se încheie cu pașii de bază de preprocesare înainte de a începe să lucrezi cu datele.

Exercise 1: Învățare nesupervizată: noțiuni de bază Exercise 2: Învățarea nesupervizată în lumea reală Exercise 3: Avistări de Pokémon Exercise 4: Noțiuni de bază ale analizei de clustere Exercise 5: Avistări de Pokémon: clustering ierarhic Exercise 6: Avistări de Pokémon: clustering k-means Exercise 7: Pregătirea datelor pentru analiza cluster Exercise 8: Normalizează date dintr-o listă simplă Exercise 9: Vizualizează datele normalizate Exercise 10: Normalizarea numerelor mici Exercise 11: FIFA 18: Normalizează datele

Acest capitol se concentrează pe un algoritm popular de clustering – clustering-ul ierarhic – și pe implementarea sa în SciPy. Pe lângă procedura de realizare a clustering-ului ierarhic, îți oferă și instrumentele pentru a răspunde la o întrebare importantă: câte clustere există în datele tale? Capitolul se încheie cu o discuție despre limitele clustering-ului ierarhic și cu aspecte de luat în considerare atunci când îl folosești.

Exercise 1: Noțiuni de bază ale clustering-ului ierarhic Exercise 2: Clustering ierarhic: metoda ward

Exercițiul curent

Exercise 3: Clustering ierarhic: metoda single Exercise 4: Clustering ierarhic: metoda complete Exercise 5: Vizualizează clusterele Exercise 6: Vizualizează clusterele cu matplotlib Exercise 7: Vizualizează clusterele cu seaborn Exercise 8: Câte clustere?Exercise 9: Creează o dendrogramă Exercise 10: Câți clusteri există în datele Comic Con?Exercise 11: Limitările clustering-ului ierarhic Exercise 12: Măsurarea timpului de execuție al clustering-ului ierarhic Exercise 13: FIFA 18: explorarea fundașilor

Acest capitol introduce un alt algoritm de clustering – clustering-ul k-means – și implementarea sa în SciPy. Clustering-ul k-means depășește cel mai mare dezavantaj al clustering-ului ierarhic discutat în capitolul anterior. Deoarece dendrogramele sunt specifice clustering-ului ierarhic, acest capitol prezintă o metodă de a determina numărul de clustere înainte de a rula k-means. Capitolul se încheie cu o discuție despre limitele clustering-ului k-means și cu aspecte de luat în considerare când folosești acest algoritm.

Exercise 1: Noțiuni de bază ale algoritmului k-means Exercise 2: K-means clustering: primul exercițiu Exercise 3: Timpul de execuție al algoritmului k-means Exercise 4: Câte clustere?Exercise 5: Metoda cotului pe clustere distincte Exercise 6: Metoda cotului pe date uniforme Exercise 7: Limitările algoritmului k-means Exercise 8: Impactul seed-urilor asupra clusterelor distincte Exercise 9: Tipare uniforme de grupare Exercise 10: FIFA 18: fundași – o nouă perspectivă

Acum că ești familiarizat cu două dintre cele mai populare tehnici de clustering, acest capitol te ajută să aplici aceste cunoștințe în probleme reale. Capitolul discută mai întâi procesul de identificare a culorilor dominante dintr-o imagine, apoi abordează problema menționată în introducere – clustering-ul articolelor de știri. Capitolul se încheie cu o discuție despre clustering cu mai multe variabile, ceea ce face dificilă vizualizarea tuturor datelor.

Exercise 1: Culori dominante în imagini Exercise 2: Extrage valorile RGB dintr-o imagine Exercise 3: Câte culori dominante există?Exercise 4: Afișează culorile dominante Exercise 5: Gruparea documentelor Exercise 6: TF-IDF al rezumatelor de filme Exercise 7: Principalii termeni din clusterele de filme Exercise 8: Clusterizare cu mai multe caracteristici Exercise 9: Clustering cu multe caracteristici Exercise 10: Verificări de bază asupra clusterelor Exercise 11: FIFA 18: ce face un jucător complet?Exercise 12: La revedere!