Базові перевірки кластерів
У наборі даних FIFA 18 у попередніх вправах ми зосереджувалися на захисниках. Спробуймо тепер звернути увагу на атакувальні атрибути гравця. Pace (pac), Dribbling (dri) та Shooting (sho) — це ознаки, притаманні гравцям із нападальним стилем. У цій вправі до даних уже застосовано k-means кластеризацію з використанням масштабованих значень цих трьох атрибутів. Виконайте базові перевірки отриманих кластерів.
Дані збережені в pandas DataFrame fifa. Назви масштабованих стовпців містяться у списку scaled_features. Мітки кластерів збережено в стовпці cluster_labels. Нагадаємо, методи pandas .count() і .mean() допомагають визначити кількість спостережень і середнє значення спостережень у датафреймі.
Ця вправа є частиною курсу
Кластерний аналіз у Python
Інструкції до вправи
- Виведіть розміри кластерів, згрупувавши за стовпцем
cluster_labels. - Виведіть середні значення зарплат гравців у кожному кластері.
eur_wage— це назва стовпця, у якому зберігаються зарплати гравців у євро.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())