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 Bij k-means clustering is de eerste stap het kiezen van een waarde voor K<\/em> \u2013 het aantal clusters waarin we waarnemingen willen plaatsen.<\/span><\/p>\n Een van de meest gebruikelijke manieren om een waarde voor K<\/em> te kiezen staat bekend als de elleboogmethode<\/strong> , waarbij een grafiek wordt gemaakt met het aantal clusters op de x-as en het totaal in de som van de kwadraten op de y-as. waar een „knie“ of draai in de plot verschijnt.<\/span><\/p>\n Het punt op de x-as waar de \u2018knie\u2019 voorkomt, vertelt ons het optimale aantal clusters dat we kunnen gebruiken in het k-means clusteringalgoritme.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u de elleboogmethode in Python gebruikt.<\/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 drie variabelen voor twintig verschillende basketbalspelers:<\/span><\/p>\n Laten we zeggen dat we k-means-clustering willen gebruiken om vergelijkbare actoren te groeperen op basis van deze drie statistieken.<\/span><\/p>\n Om k-means-clustering in Python uit te voeren, kunnen we de KMeans-<\/a> functie van de sklearn-<\/strong> module gebruiken.<\/span><\/p>\n Het belangrijkste argument voor deze functie is n_clusters<\/strong> , dat specificeert in hoeveel clusters waarnemingen moeten worden geplaatst.<\/span><\/p>\n Om het optimale aantal clusters te bepalen, zullen we een grafiek maken die het aantal clusters weergeeft, evenals de SSE (som van kwadratische fouten) van het model.<\/span><\/p>\n We gaan dan op zoek naar een \u2018knie\u2019 waar de som van de kwadraten begint te \u2018buigen\u2019 of te stabiliseren. Dit punt vertegenwoordigt 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 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-4062","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\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
#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#drop rows with NA values in any columns\ndf = df. dropna<\/span> ()<\/span>\n\n#create scaled DataFrame where each variable has mean of 0 and standard dev of 1\nscaled_df = StandardScaler(). fit_transform<\/span> (df)\n<\/span><\/span><\/strong><\/span><\/pre>\n Stap 3: Gebruik de elleboogmethode om het optimale aantal clusters te vinden<\/strong><\/span><\/h2>\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 4: 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":"