เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การตรวจสอบเบื้องต้นของคลัสเตอร์

ในชุดข้อมูล FIFA 18 เราได้เน้นที่ผู้เล่นตำแหน่งกองหลังในแบบฝึกหัดก่อนหน้า คราวนี้ลองมาโฟกัสที่คุณสมบัติด้านการบุกของผู้เล่นกันบ้าง ความเร็ว (pac), การเลี้ยงบอล (dri) และการยิง (sho) คือฟีเจอร์ที่พบในผู้เล่นสายบุก ในแบบฝึกหัดนี้ ได้มีการนำ k-means clustering มาใช้กับข้อมูลโดยใช้ค่า scaled ของทั้งสามคุณสมบัตินี้เรียบร้อยแล้ว ลองทำการตรวจสอบเบื้องต้นกับคลัสเตอร์ที่ได้

ข้อมูลถูกเก็บอยู่ใน pandas DataFrame ชื่อ fifa ชื่อคอลัมน์ที่ผ่านการ scale แล้วอยู่ใน list ชื่อ scaled_features และ label ของคลัสเตอร์ถูกเก็บอยู่ในคอลัมน์ cluster_labels โปรดระลึกว่าเมธอด .count() และ .mean() ใน pandas ช่วยให้หาจำนวนและค่าเฉลี่ยของข้อมูลใน DataFrame ได้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์กลุ่มข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แสดงขนาดของแต่ละคลัสเตอร์โดยจัดกลุ่มตามคอลัมน์ cluster_labels
  • แสดงค่าเฉลี่ยของเงินเดือนผู้เล่นในแต่ละคลัสเตอร์ โดย eur_wage คือชื่อคอลัมน์ที่เก็บข้อมูลเงินเดือนของผู้เล่นในหน่วยยูโร

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Print the size of the clusters
print(fifa.____(____)['ID'].count())

# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())
แก้ไขและรันโค้ด