Kümelerde temel kontroller
FIFA 18 veri kümesinde önceki egzersizlerde savunmacılara odaklanmıştık. Bu kez bir oyuncunun hücum özelliklerine bakalım. Pace (pac), Dribbling (dri) ve Shooting (sho), hücum odaklı oyuncularda bulunan özelliklerdir. Bu egzersizde, bu üç özelliğin ölçeklenmiş değerleri kullanılarak veriye k-means kümeleme zaten uygulanmış durumda. Oluşan kümeler üzerinde bazı temel kontroller yapmayı dene.
Veri, pandas DataFrame’i olan fifa içinde saklanıyor. Ölçeklenmiş sütun adları scaled_features listesinde yer alıyor. Küme etiketleri cluster_labels sütununda bulunuyor. pandas’taki .count() ve .mean() metotlarının bir DataFrame’deki gözlem sayısını ve gözlemlerin ortalamasını bulmana yardımcı olduğunu unutma.
Bu egzersiz, kursun bir parçasıdır
Python ile Kümeleme Analizi
Egzersiz talimatları
cluster_labelssütununa göre gruplayarak kümelerin boyutlarını yazdır.- Her kümedeki oyuncuların maaşlarının ortalama değerlerini yazdır. Bir oyuncunun Euro cinsinden maaşını saklayan sütun adı
eur_wage.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())