Il clustering K-means \u00e8 una tecnica in cui inseriamo ciascuna osservazione da un set di dati in uno dei cluster K.<\/em><\/span><\/p>\n L’obiettivo finale \u00e8 quello di avere K<\/em> cluster in cui le osservazioni all’interno di ciascun cluster sono abbastanza simili tra loro mentre le osservazioni nei diversi cluster sono abbastanza diverse l’una dall’altra.<\/span><\/p>\n In pratica, utilizziamo i seguenti passaggi per eseguire il clustering K-means:<\/span><\/p>\n 1. Scegli un valore per K.<\/em><\/strong><\/span><\/p>\n 2. Assegnare casualmente ciascuna osservazione a un cluster iniziale, da 1 a K.<\/em><\/strong><\/span><\/p>\n 3. Eseguire la seguente procedura finch\u00e9 le assegnazioni dei cluster non smettono di cambiare.<\/strong><\/span><\/p>\n Il seguente esempio passo passo mostra come eseguire il clustering k-means in Python utilizzando la funzione KMeans<\/strong> dal modulo sklearn<\/strong> .<\/span><\/p>\n Per prima cosa importeremo tutti i moduli di cui avremo bisogno per eseguire il clustering k-means:<\/span><\/p>\n Successivamente, creeremo un DataFrame contenente le seguenti tre variabili per 20 diversi giocatori di basket:<\/span><\/p>\n Il codice seguente mostra come creare questo DataFrame panda:<\/span><\/p>\n Utilizzeremo il clustering k-means per raggruppare attori simili in base a questi tre parametri.<\/span><\/p>\n Quindi eseguiremo i seguenti passaggi:<\/span><\/span><\/p>\n Il codice seguente mostra come eseguire questa operazione:<\/span><\/p>\n Nota<\/strong> : utilizziamo il ridimensionamento in modo che ciascuna variabile abbia la stessa importanza quando si adatta l’algoritmo k-medie. Altrimenti le variabili con gli intervalli pi\u00f9 ampi avrebbero troppa influenza.<\/span><\/p>\n Per eseguire il clustering k-means in Python, possiamo usare la funzione KMeans<\/strong> dal modulo sklearn<\/strong> .<\/span><\/p>\n Questa funzione utilizza la seguente sintassi di base:<\/span><\/p>\n KMeans(init=’random’, n_clusters=8, n_init=10, random_state=Nessuno)<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n L’argomento pi\u00f9 importante di questa funzione \u00e8 n_clusters, che specifica in quanti cluster inserire le osservazioni.<\/span><\/p>\n Tuttavia, non sappiamo in anticipo quanti cluster siano ottimali, quindi dobbiamo creare un grafico che mostri il numero di cluster e l’SSE (somma degli errori quadrati) del modello.<\/span><\/p>\n In genere, quando creiamo questo tipo di trama, cerchiamo un “ginocchio” in cui la somma dei quadrati inizia a “piegarsi” o a livellarsi. Questo \u00e8 generalmente il numero ottimale di cluster.<\/span><\/p>\n Il codice seguente mostra come creare questo tipo di grafico che visualizza il numero di cluster sull’asse x e SSE sull’asse y:<\/span> <\/p>\n In questo grafico, sembra che ci sia un nodo o “ginocchio” in k = 3 cluster<\/strong> .<\/span><\/p>\n Pertanto, utilizzeremo 3 cluster per adattare il nostro modello di clustering k-mean nel passaggio successivo.<\/span><\/p>\n Nota<\/strong> : nel mondo reale, si consiglia di utilizzare una combinazione di queste competenze di trama e dominio per scegliere il numero di cluster da utilizzare.<\/span><\/p>\n Il codice seguente mostra come eseguire il clustering k-means sul set di dati utilizzando il valore ottimale per k<\/em> di 3:<\/span><\/p>\n La tabella risultante mostra le assegnazioni dei cluster per ciascuna osservazione nel DataFrame.<\/span><\/p>\n Per rendere questi risultati pi\u00f9 facili da interpretare, possiamo aggiungere una colonna al DataFrame che mostra l’assegnazione del cluster di ciascun giocatore:<\/span><\/p>\n La colonna cluster<\/strong> contiene un numero di cluster (0, 1 o 2) a cui \u00e8 stato assegnato ciascun giocatore.<\/span><\/p>\n I giocatori appartenenti allo stesso cluster hanno valori approssimativamente simili per le colonne punti<\/strong> , assist<\/strong> e rimbalzi<\/strong> .<\/span><\/p>\n Nota<\/strong> : puoi trovare la documentazione completa per la funzione KMeans<\/strong> di sklearn<\/strong> qui<\/a> .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in Python:<\/span><\/p>\n Come eseguire la regressione lineare in Python<\/a> Uno degli algoritmi di clustering pi\u00f9 comuni nell’apprendimento automatico \u00e8 noto come clustering k-means . Il clustering K-means \u00e8 una tecnica in cui inseriamo ciascuna osservazione da un set di dati in uno dei cluster K. L’obiettivo finale \u00e8 quello di avere K cluster in cui le osservazioni all’interno di ciascun cluster sono abbastanza simili […]<\/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
Passaggio 1: importa i moduli necessari<\/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 Passaggio 2: crea il 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 Passaggio 3: pulire e preparare DataFrame<\/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 Passaggio 4: trovare il numero ottimale di cluster<\/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 Passaggio 5: eseguire il clustering K-Means con K<\/em> ottimale<\/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 Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire la regressione logistica in Python<\/a>
Come eseguire la convalida incrociata K-Fold in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"