Kom igångKom igång gratis

Hierarkisk klustring: ward-metoden

Dags för Comic-Con! Comic-Con är en årlig serierelaterad konvention som hålls i storstäder runt om i världen. Du har data över föregående års besöksflöde – det vill säga antalet personer på konventionsområdet vid en given tidpunkt. Nu vill du välja placering för ditt stånd för att maximera försäljningen. Använd ward-metoden och tillämpa hierarkisk klustring för att hitta de två attraktionspunkterna i området.

Data lagras i en pandas DataFrame, comic_con. x_scaled och y_scaled är kolumnnamnen för de standardiserade X- och Y-koordinaterna för personer vid en given tidpunkt.

Den här övningen är en del av kursen

Klusteranalys i Python

Visa kurs

Övningsinstruktioner

  • Importera fcluster och linkage från scipy.cluster.hierarchy.
  • Använd metoden ward i funktionen linkage().
  • Tilldela klusteretiketterna genom att bilda 2 platta kluster från distance_matrix.
  • Kör plottningskoden för att se resultaten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod