K-Means-Clustering ist eine Technik, bei der wir jede Beobachtung aus einem Datensatz in einem von K<\/em> Clustern platzieren.<\/span><\/p>\n Das Endziel besteht darin, K-<\/em> Cluster zu haben, in denen die Beobachtungen innerhalb jedes Clusters einander ziemlich \u00e4hnlich sind, w\u00e4hrend sich die Beobachtungen in verschiedenen Clustern deutlich voneinander unterscheiden.<\/span><\/p>\n In der Praxis verwenden wir die folgenden Schritte, um K-Means-Clustering durchzuf\u00fchren:<\/span><\/p>\n 1. W\u00e4hlen Sie einen Wert f\u00fcr K.<\/em><\/strong><\/span><\/p>\n 2. Ordnen Sie jede Beobachtung zuf\u00e4llig einem Anfangscluster von 1 bis K<\/em> zu.<\/strong><\/span><\/p>\n 3. F\u00fchren Sie das folgende Verfahren aus, bis sich die Clusterzuweisungen nicht mehr \u00e4ndern.<\/strong><\/span><\/p>\n Das folgende Schritt-f\u00fcr-Schritt-Beispiel zeigt, wie Sie K-Means-Clustering in Python mithilfe der KMeans-<\/strong> Funktion aus dem Sklearn-<\/strong> Modul durchf\u00fchren.<\/span><\/p>\n Zuerst importieren wir alle Module, die wir zum Durchf\u00fchren von K-Means-Clustering ben\u00f6tigen:<\/span><\/p>\n Als N\u00e4chstes erstellen wir einen DataFrame, der die folgenden drei Variablen f\u00fcr 20 verschiedene Basketballspieler enth\u00e4lt:<\/span><\/p>\n Der folgende Code zeigt, wie dieser Pandas-DataFrame erstellt wird:<\/span><\/p>\n Wir werden K-Means-Clustering verwenden, um \u00e4hnliche Akteure basierend auf diesen drei Metriken zu gruppieren.<\/span><\/p>\n Dann f\u00fchren wir die folgenden Schritte durch:<\/span><\/span><\/p>\n Der folgende Code zeigt, wie das geht:<\/span><\/p>\n Hinweis<\/strong> : Wir verwenden die Skalierung, damit jede Variable bei der Anpassung des k-means-Algorithmus die gleiche Bedeutung hat. Andernfalls h\u00e4tten die Variablen mit den gr\u00f6\u00dften Spannweiten einen zu gro\u00dfen Einfluss.<\/span><\/p>\n Um K-Means-Clustering in Python durchzuf\u00fchren, k\u00f6nnen wir die KMeans-<\/strong> Funktion aus dem Sklearn-<\/strong> Modul verwenden.<\/span><\/p>\n Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n KMeans(init=’random‘, n_clusters=8, n_init=10, random_state=None)<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Das wichtigste Argument dieser Funktion ist n_clusters, das angibt, in wie vielen Clustern Beobachtungen platziert werden sollen.<\/span><\/p>\n Da wir jedoch nicht im Voraus wissen, wie viele Cluster optimal sind, m\u00fcssen wir ein Diagramm erstellen, das die Anzahl der Cluster sowie die SSE (Summe der quadratischen Fehler) des Modells anzeigt.<\/span><\/p>\n Wenn wir diese Art von Diagramm erstellen, suchen wir normalerweise nach einem \u201eKnie\u201c, an dem die Summe der Quadrate beginnt, sich zu \u201ebiegen\u201c oder einzuebnen. Dies ist im Allgemeinen die optimale Anzahl von Clustern.<\/span><\/p>\n Der folgende Code zeigt, wie man diese Art von Diagramm erstellt, das die Anzahl der Cluster auf der x-Achse und den SSE auf der y-Achse anzeigt:<\/span> <\/p>\n In diesem Diagramm scheint es, dass es bei k = 3 Clustern<\/strong> einen Knick oder ein \u201eKnie\u201c gibt.<\/span><\/p>\n Daher werden wir im n\u00e4chsten Schritt 3 Cluster verwenden, wenn wir unser k-Means-Clustering-Modell anpassen.<\/span><\/p>\n Hinweis<\/strong> : In der realen Welt wird empfohlen, eine Kombination aus diesem Plot- und Dom\u00e4nenwissen zu verwenden, um die Anzahl der zu verwendenden Cluster auszuw\u00e4hlen.<\/span><\/p>\n Der folgende Code zeigt, wie man k-Means-Clustering f\u00fcr den Datensatz unter Verwendung des optimalen Werts f\u00fcr k<\/em> von 3 durchf\u00fchrt:<\/span><\/p>\n Die resultierende Tabelle zeigt die Clusterzuweisungen f\u00fcr jede Beobachtung im DataFrame.<\/span><\/p>\n Um die Interpretation dieser Ergebnisse zu erleichtern, k\u00f6nnen wir dem DataFrame eine Spalte hinzuf\u00fcgen, die die Clusterzuweisung jedes Spielers anzeigt:<\/span><\/p>\n Die Cluster-<\/strong> Spalte enth\u00e4lt eine Cluster-Nummer (0, 1 oder 2), der jeder Spieler zugewiesen wurde.<\/span><\/p>\n Spieler, die demselben Cluster angeh\u00f6ren, haben ungef\u00e4hr \u00e4hnliche Werte f\u00fcr die Spalten Punkte<\/strong> , Assists<\/strong> und Rebounds<\/strong> .<\/span><\/p>\n Hinweis<\/strong> : Die vollst\u00e4ndige Dokumentation f\u00fcr die KMeans-<\/strong> Funktion von sklearn<\/strong> finden Sie hier<\/a> .<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in Python ausf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie eine lineare Regression in Python durch<\/a> Einer der gebr\u00e4uchlichsten Clustering-Algorithmen beim maschinellen Lernen ist das sogenannte K-Means-Clustering . K-Means-Clustering ist eine Technik, bei der wir jede Beobachtung aus einem Datensatz in einem von K Clustern platzieren. Das Endziel besteht darin, K- Cluster zu haben, in denen die Beobachtungen innerhalb jedes Clusters einander ziemlich \u00e4hnlich sind, w\u00e4hrend sich die Beobachtungen in verschiedenen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
\n
Schritt 1: Importieren Sie die erforderlichen Module<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\nimport<\/span> matplotlib. pyplot<\/span> as<\/span> plt\nfrom<\/span> sklearn. cluster<\/span> import<\/span> KMeans\nfrom<\/span> sklearn. preprocessing<\/span> import<\/span> StandardScaler<\/strong><\/span><\/pre>\n Schritt 2: Erstellen Sie den DataFrame<\/strong><\/span><\/h2>\n
\n
#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' points<\/span> ': [18, np.nan, 19, 14, 14, 11, 20, 28, 30, 31,\n 35, 33, 29, 25, 25, 27, 29, 30, 19, 23],\n ' assists<\/span> ': [3, 3, 4, 5, 4, 7, 8, 7, 6, 9, 12, 14,\n np.nan, 9, 4, 3, 4, 12, 15, 11],\n ' rebounds<\/span> ': [15, 14, 14, 10, 8, 14, 13, 9, 5, 4,\n 11, 6, 5, 5, 3, 8, 12, 7, 6, 5]})\n\n#view first five rows of DataFrame\n<\/span>print<\/span> ( df.head<\/span> ())\n\n points assists rebounds\n0 18.0 3.0 15\n1 NaN 3.0 14\n2 19.0 4.0 14\n3 14.0 5.0 10\n4 14.0 4.0 8\n<\/strong><\/span><\/pre>\n Schritt 3: Bereinigen und bereiten Sie den DataFrame vor<\/strong><\/span><\/h2>\n
\n
#drop rows with NA values in any columns\n<\/span>df = df. dropna<\/span> ()\n\n#create scaled DataFrame where each variable has mean of 0 and standard dev of 1\n<\/span>scaled_df = StandardScaler(). fit_transform<\/span> (df)\n\n#view first five rows of scaled DataFrame<\/span>\nprint<\/span> (scaled_df[:5])\n\n[[-0.86660275 -1.22683918 1.72722524]\n [-0.72081911 -0.96077767 1.45687694]\n [-1.44973731 -0.69471616 0.37548375]\n [-1.44973731 -0.96077767 -0.16521285]\n [-1.88708823 -0.16259314 1.45687694]]<\/strong><\/pre>\n Schritt 4: Finden Sie die optimale Anzahl an Clustern<\/strong><\/span><\/h2>\n
\n
#initialize kmeans parameters\n<\/span>kmeans_kwargs = {\n\" init<\/span> \": \" random<\/span> \",\n\" n_init<\/span> \": 10,\n\" random_state<\/span> \": 1,\n}\n\n#create list to hold SSE values for each k\n<\/span>sse = []\nfor<\/span> k in<\/span> range(1, 11):\n kmeans = KMeans(n_clusters=k, **<\/span> kmeans_kwargs)\n kmeans. fit<\/span> (scaled_df)\n sse. append<\/span> (kmeans.inertia_)\n\n#visualize results\n<\/span>plt. plot<\/span> (range(1, 11), sse)\nplt. xticks<\/span> (range(1, 11))\nplt. xlabel<\/span> (\" Number of Clusters<\/span> \")\nplt. ylabel<\/span> (\u201c SSE<\/span> \u201d)\nplt. show<\/span> ()<\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmmoyenne1.jpg\")
<\/p>\n Schritt 5: F\u00fchren Sie K-Means-Clustering mit optimalem K<\/em> durch<\/strong><\/span><\/h2>\n
#instantiate the k-means class, using optimal number of clusters\n<\/span>kmeans = KMeans(init=\" random<\/span> \", n_clusters= 3<\/span> , n_init= 10<\/span> , random_state= 1<\/span> )\n\n#fit k-means algorithm to data\n<\/span>kmeans. fit<\/span> (scaled_df)\n\n#view cluster assignments for each observation\n<\/span>kmeans. labels_\n\n<\/span>array([1, 1, 1, 1, 1, 1, 2, 2, 0, 0, 0, 0, 2, 2, 2, 0, 0, 0]) \n<\/span><\/span><\/strong><\/pre>\n #append cluster assingments to original DataFrame\n<\/span>df[' cluster<\/span> '] = kmeans. labels_<\/span>\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n<\/span><\/span>points assists rebounds cluster\n0 18.0 3.0 15 1\n2 19.0 4.0 14 1\n3 14.0 5.0 10 1\n4 14.0 4.0 8 1\n5 11.0 7.0 14 1\n6 20.0 8.0 13 1\n7 28.0 7.0 9 2\n8 30.0 6.0 5 2\n9 31.0 9.0 4 0\n10 35.0 12.0 11 0\n11 33.0 14.0 6 0\n13 25.0 9.0 5 0\n14 25.0 4.0 3 2\n15 27.0 3.0 8 2\n16 29.0 4.0 12 2\n17 30.0 12.0 7 0\n18 19.0 15.0 6 0\n19 23.0 11.0 5 0\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie eine logistische Regression in Python durch<\/a>
So f\u00fchren Sie eine K-Fold-Kreuzvalidierung in Python durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"