Kom igångKom igång gratis

Pokémon-observationer: hierarkisk klustring

Vi fortsätter undersökningen av observationer av legendariska Pokémon från föregående övning. I punktdiagrammet från den övningen identifierade du två områden med täta Pokémon-observationer, vilket tyder på att punkterna verkar delas upp i två kluster. I den här övningen ska du bilda två kluster av observationerna med hjälp av hierarkisk klustring.

'x' och 'y' är kolumner med X- och Y-koordinater för observationsplatserna, lagrade i en pandas DataFrame, df. Följande finns tillgängliga: matplotlib.pyplot som plt, seaborn som sns och pandas som pd.

Den här övningen är en del av kursen

Klusteranalys i Python

Visa kurs

Övningsinstruktioner

  • Importera biblioteken linkage och fcluster.
  • Använd funktionen linkage() för att beräkna avstånd med ward-metoden.
  • Generera klusteretiketterna för varje datapunkt med två kluster med hjälp av funktionen fcluster().
  • Rita ut punkterna med seaborn och tilldela varje kluster en egen färg.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

# Use the linkage() function to compute distance
Z = ____(____, 'ward')

# Generate cluster labels
df['cluster_labels'] = ____(____, ____, criterion='maxclust')

# Plot the points with seaborn
sns.scatterplot(x=____, y=____, hue=____, data=df)
plt.show()
Redigera och kör kod