机器学习实验之不同含量果汁饮料的聚类(K |
您所在的位置:网站首页 › 有没有可以模仿别人声音的 › 机器学习实验之不同含量果汁饮料的聚类(K |
文章目录
K-Means 实操项目:不同含量果汁饮料的聚类**【实验内容】****【实验要求】**加载数据集,读取数据,探索数据样本数据转化(可将pandasframe格式的数据转化为数组形式),并进行可视化(绘制散点图),观察数据的分布情况,从而可以得出k的几种可能取值关注公众号 **布沃布图** ,后台回复 **机器学习实验** 获取源码
K-Means 实操项目:不同含量果汁饮料的聚类
【实验内容】
某企业通过采集企业自身流水线生产的一种果汁饮料含量的数据集,来实现K-Means算法。通过聚类以判断该果汁饮料在一定标准含量偏差下的生产质量状况,对该饮料进行类别判定。 【数据集】 该数据集共有样本59个,变量2个,包括juice(该饮料的果汁含量偏差)、sweet(该饮料的糖分含量偏差),单位均为mg/ml。 所有特征变量都为与标准含量相比的偏差,该数据集没有目标类别标签变量。 【实验要求】1.加载数据集,读取数据,探索数据。(数据集路径:data/data76878/4_beverage.csv) 2.样本数据转化(可将pandasframe格式的数据转化为数组形式),并进行可视化(绘制散点图),观察数据的分布情况,从而可以得出k的几种可能取值。 3.针对每一种k的取值,进行如下操作: (1)进行K-Means算法模型的配置、训练。 (2)输出相关聚类结果,并评估聚类效果。 这里可采用CH指标来对聚类有效性进行评估。在最后用每个k取值时评估的CH值进行对比,可得出k取什么值时,聚类效果更优。 注:这里缺乏外部类别信息,故采用内部准则评价指标(CH)来评估。 (metrics.calinski_harabaz_score())(3)输出各类簇标签值、各类簇中心,从而判断每类的果汁含量与糖分含量情况。 (4)聚类结果及其各类簇中心点的可视化(散点图),从而观察各类簇分布情况。(不同的类表明不同果汁饮料的果汁、糖分含量的偏差情况。) 4.【扩展】(选做):设置k一定的取值范围,进行聚类并评价不同的聚类结果。 参考思路:设置k的取值范围;对不同取值k进行训;计算各对象离各类簇中心的欧氏距离,生成距离表;提取每个对象到其类簇中心的距离,并相加;依次存入距离结果;绘制不同看、值对应的总距离值折线图。 import pandas as pd import matplotlib.pyplot as plt import numpy as np from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.cluster import KMeans from sklearn import metrics 加载数据集,读取数据,探索数据 data = pd.read_csv("./datasets/4_beverage.csv") print(data) print(data.shape) juice sweet 0 2.1041 0.8901 1 -1.0617 -0.4111 2 0.3521 -1.7488 3 -0.1962 2.5952 4 1.4158 1.0928 5 -0.3951 -1.3293 6 1.4717 -1.6269 7 1.1289 1.9430 8 -1.3395 1.4619 9 -1.7840 0.7658 10 0.2253 -1.6511 11 -1.7436 -0.8622 12 1.3344 0.7974 13 -1.5782 1.5956 14 1.5828 -1.9999 15 -1.3934 -1.5497 16 1.2468 -1.5924 17 -1.2568 -2.1163 18 0.9322 1.5899 19 -1.5856 1.6365 20 1.4471 -1.9076 21 -1.2813 -1.1420 22 1.7455 1.4376 23 -1.2829 -1.0061 24 1.6665 1.9916 25 -0.8084 1.7866 26 1.1403 -1.2797 27 -1.3256 -1.5516 28 1.1607 1.5775 29 -0.8429 1.4698 30 0.4698 -2.0118 31 -1.8372 -1.1305 32 1.0231 1.3676 33 -1.5947 1.4925 34 2.1863 1.4717 35 -1.2897 -0.2397 36 0.9445 -1.9819 37 -0.3994 0.7870 38 1.4183 1.6716 39 -1.9189 -1.6785 40 1.0484 1.6938 41 -1.3545 0.3926 42 1.6835 0.9819 43 -1.0607 1.3211 44 1.1648 -1.5882 45 -1.6424 -1.7862 46 1.5457 1.2446 47 -1.5979 1.4422 48 1.1682 -1.9737 49 -0.8932 1.2771 50 1.0951 -0.9530 51 -1.7017 -1.3891 52 0.8891 1.9404 53 -0.8442 1.1151 54 1.2965 -1.0272 55 -2.0036 -1.6035 56 -1.8810 -1.2161 57 1.7710 1.3894 58 -0.8684 2.1205 (59, 2) 样本数据转化(可将pandasframe格式的数据转化为数组形式),并进行可视化(绘制散点图),观察数据的分布情况,从而可以得出k的几种可能取值 npdata = np.array(data) # 转化成numpy数组 x = data.iloc[:, 0 : 1] y = data.iloc[:, 1 : 2] plt.scatter(x, y) # 绘制散点图 plt.show() |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |