K-means clustering is een techniek waarbij we elke waarneming uit een dataset in een van de K-<\/em> clusters plaatsen.<\/span><\/p>\n Het einddoel is om K-<\/em> clusters te hebben waarin waarnemingen binnen elke cluster behoorlijk op elkaar lijken, terwijl waarnemingen in verschillende clusters behoorlijk van elkaar verschillen.<\/span><\/p>\n In de praktijk gebruiken we de volgende stappen om K-means clustering uit te voeren:<\/span><\/p>\n 1. Kies een waarde voor K.<\/em><\/strong><\/span><\/p>\n 2. Wijs elke waarneming willekeurig toe aan een eerste cluster, van 1 tot K.<\/em><\/strong><\/span><\/p>\n 3. Voer de volgende procedure uit totdat de clustertoewijzingen niet meer veranderen.<\/strong><\/span><\/p>\n Het volgende stapsgewijze voorbeeld laat zien hoe u k-means-clustering in Python kunt uitvoeren met behulp van de KMeans-<\/strong> functie van de sklearn-<\/strong> module.<\/span><\/p>\n Eerst zullen we alle modules importeren die we nodig hebben om k-means clustering uit te voeren:<\/span><\/p>\n Vervolgens maken we een DataFrame met de volgende drie variabelen voor 20 verschillende basketbalspelers:<\/span><\/p>\n De volgende code laat zien hoe u dit panda’s DataFrame maakt:<\/span><\/p>\n We zullen k-means-clustering gebruiken om vergelijkbare actoren te groeperen op basis van deze drie metrieken.<\/span><\/p>\n Vervolgens voeren wij de volgende stappen uit:<\/span><\/span><\/p>\n De volgende code laat zien hoe u dit doet:<\/span><\/p>\n Opmerking<\/strong> : we gebruiken schaling zodat elke variabele even belangrijk is bij het aanpassen van het k-means-algoritme. Anders zouden de variabelen met het grootste bereik te veel invloed hebben.<\/span><\/p>\n Om k-means-clustering in Python uit te voeren, kunnen we de KMeans-<\/strong> functie van de sklearn-<\/strong> module gebruiken.<\/span><\/p>\n Deze functie gebruikt de volgende basissyntaxis:<\/span><\/p>\n KMeans(init=’willekeurig‘, n_clusters=8, n_init=10, random_state=Geen)<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n Het belangrijkste argument voor deze functie is n_clusters, dat specificeert in hoeveel clusters waarnemingen moeten worden geplaatst.<\/span><\/p>\n We weten echter niet van tevoren hoeveel clusters optimaal zijn, dus moeten we een grafiek maken die het aantal clusters weergeeft, evenals de SSE (som van kwadratische fouten) van het model.<\/span><\/p>\n Wanneer we dit type plot maken, zoeken we doorgaans naar een \u2018knie\u2019 waar de som van de vierkanten begint te \u2018buigen\u2019 of af te vlakken. Dit is doorgaans het optimale aantal clusters.<\/span><\/p>\n De volgende code laat zien hoe u dit type plot maakt, waarin het aantal clusters op de x-as en de SSE op de y-as wordt weergegeven:<\/span> <\/p>\n In deze grafiek lijkt het erop dat er een knik of „knie“ is bij k = 3 clusters<\/strong> .<\/span><\/p>\n We zullen dus 3 clusters gebruiken bij het aanpassen van ons k-means clusteringmodel in de volgende stap.<\/span><\/p>\n Opmerking<\/strong> : in de echte wereld wordt aanbevolen om een combinatie van deze plot- en domeinexpertise te gebruiken om het aantal te gebruiken clusters te kiezen.<\/span><\/p>\n De volgende code laat zien hoe u k-means-clustering op de dataset uitvoert met behulp van de optimale waarde voor k<\/em> van 3:<\/span><\/p>\n De resulterende tabel toont de clustertoewijzingen voor elke waarneming in het DataFrame.<\/span><\/p>\n Om deze resultaten gemakkelijker te kunnen interpreteren, kunnen we een kolom aan het DataFrame toevoegen waarin de clustertoewijzing van elke speler wordt weergegeven:<\/span><\/p>\n De clusterkolom<\/strong> bevat een clusternummer (0, 1 of 2) waaraan elke speler is toegewezen.<\/span><\/p>\n Spelers die tot hetzelfde cluster behoren, hebben ongeveer vergelijkbare waarden voor de kolommen punten<\/strong> , assists<\/strong> en rebounds<\/strong> .<\/span><\/p>\n Opmerking<\/strong> : u kunt hier<\/a> de volledige documentatie voor de KMeans-<\/strong> functie van sklearn<\/strong> vinden.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in Python kunt uitvoeren:<\/span><\/p>\n Hoe lineaire regressie uit te voeren in Python<\/a> Een van de meest voorkomende clusteralgoritmen bij machinaal leren staat bekend als k-means clustering . K-means clustering is een techniek waarbij we elke waarneming uit een dataset in een van de K- clusters plaatsen. Het einddoel is om K- clusters te hebben waarin waarnemingen binnen elke cluster behoorlijk op elkaar lijken, terwijl waarnemingen in verschillende […]<\/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":[],"class_list":["post-3581","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
\n
Stap 1: Importeer de benodigde modules<\/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 Stap 2: Maak het 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 Stap 3: Maak het DataFrame schoon en bereid het voor<\/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 Stap 4: Vind het optimale aantal clusters<\/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 Stap 5: Voer K-Means Clustering uit met Optimal K<\/em><\/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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe logistieke regressie uit te voeren in Python<\/a>
Hoe K-Fold kruisvalidatie uit te voeren in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"