เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การพบเห็น Pokémon: k-means clustering

เราจะสืบสวนการพบเห็น Pokémon ในตำนานต่อจากแบบฝึกหัดที่แล้ว โดยใช้ตัวอย่างข้อมูลการพบเห็นเดิม ในแบบฝึกหัดนี้ คุณจะจัดกลุ่มข้อมูลการพบเห็นด้วยวิธี k-means clustering

x และ y คือคอลัมน์ที่เก็บพิกัด X และ Y ของตำแหน่งที่พบเห็น ซึ่งอยู่ใน pandas DataFrame ชื่อ df โดยมีไลบรารีที่พร้อมใช้งาน ได้แก่ matplotlib.pyplot เป็น plt, seaborn เป็น sns และ pandas เป็น pd

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์กลุ่มข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้าฟังก์ชัน kmeans และ vq
  • ใช้ฟังก์ชัน kmeans() เพื่อคำนวณจุดศูนย์กลางคลัสเตอร์ โดยกำหนดให้มี 2 คลัสเตอร์
  • กำหนดป้ายกำกับคลัสเตอร์ให้แต่ละจุดข้อมูลด้วยฟังก์ชัน vq()
  • พล็อตข้อมูลด้วย seaborn และกำหนดสีที่แตกต่างกันให้แต่ละคลัสเตอร์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import kmeans and vq functions
from scipy.cluster.vq import ____, ____

# Compute cluster centers
centroids,_ = ____(____, ____)

# Assign cluster labels
df['cluster_labels'], _ = ____(____, ____)

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