ПочатиПочніть безкоштовно

Ієрархічне кластеризування: метод ward

Час для Comic-Con! Comic-Con — щорічний фестиваль коміксів, що відбувається у найбільших містах світу. У вас є дані про торішній потік відвідувачів — кількість людей на території конференції в певний момент часу. Ви хочете обрати розташування свого стенда, щоб максимізувати продажі. Застосуйте ієрархічне кластеризування методом Ward, щоб знайти дві точки тяжіння в цій зоні.

Дані збережено в датафреймі pandas comic_con. x_scaled і y_scaled — це назви стовпців зі стандартизованими координатами X та Y людей у певний момент часу.

Ця вправа є частиною курсу

Кластерний аналіз у Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте fcluster і linkage з scipy.cluster.hierarchy.
  • Використайте метод ward у функції linkage().
  • Призначте мітки кластерів, утворивши 2 плоскі кластери з distance_matrix. -Запустіть код побудови графіка, щоб побачити результат.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import the fcluster and linkage functions
from scipy.cluster.hierarchy import ____, ____

# Use the linkage() function
distance_matrix = ____(comic_con[['x_scaled', 'y_scaled']], ____ = ____, metric = 'euclidean')

# Assign cluster labels
comic_con['cluster_labels'] = ____(____, ____, criterion='maxclust')

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