เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Hierarchical Clustering: วิธี Complete

มาลองใช้ชุดข้อมูล footfall ชุดเดิมเป็นครั้งที่สามและครั้งสุดท้าย เพื่อดูว่าการเปลี่ยนวิธีการทำคลัสเตอร์จะส่งผลต่างออกไปหรือไม่

ข้อมูลถูกเก็บอยู่ใน pandas DataFrame ชื่อ comic_con โดย x_scaled และ y_scaled คือชื่อคอลัมน์ของพิกัด X และ Y ที่ผ่านการ standardize แล้ว ซึ่งแสดงตำแหน่งของผู้คน ณ เวลาหนึ่ง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์กลุ่มข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import fcluster และ linkage จาก scipy.cluster.hierarchy
  • ใช้วิธี complete ในฟังก์ชัน .linkage()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the fcluster and linkage functions
____

# Use the linkage() function
distance_matrix = ____(____, ____, ____)

# Assign cluster labels
comic_con['cluster_labels'] = ____

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