1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Mô phỏng Sự kiện Rời rạc bằng Python
Connected

Bài tập

Mô hình eCommerce logistics: phân tích k-means

Giờ bạn đã có những hiểu biết đầu tiên về đầu ra của mô hình, hãy đào sâu hơn về các mẫu hình và mối quan hệ giữa các kết quả bằng phân tích cụm.

Bạn sẽ dùng thuật toán k-means để hiểu các yếu tố chi phối chính đến hành vi của mô hình và phân loại các điểm dữ liệu vào các nhóm có thuộc tính tương tự. Điều này sẽ giúp bạn nhận diện các nút thắt cổ chai trong hoạt động e-commerce/logistics thực tế mà mô hình đang mô phỏng.

kmeans và whiten đã được nhập từ scipy.cluster.vq và matplotlib.pyplot as plt. Bộ dữ liệu gốc và đã whiten có các cột như dưới đây. Biến giả p xác định chỉ số của các quy trình này trong bộ dữ liệu.

  • cột 1 (p=0): time_requests
  • cột 2 (p=1): time_packaging
  • cột 3 (p=2): time_shipping
  • cột 4 (p=3): sum/total time

Hướng dẫn

100 XP
  • Áp dụng whiten cho mảng record_processes_np để chuẩn bị cho phân cụm k-means.
  • Chạy phương thức k-means trên mảng whitened bằng gói SciPy, đặt k-means để tìm ba cụm.