Python与机器学习（第2版）（微课版） 课件 5-04-拓展实训：用户聚类分析任务说明.pptx

项目背景|项目概述|主要任务|任务实施步骤拓展实训用户聚类分析【数据挖掘应用】课程负责人：陈清华01101111011010111101010000101101010100111101

背景先导项目概述项目主要任务任务实施步骤01Background02BriefIntroduction03Tasks04ImplementationSteps主要内容

项目总体要求用户聚类分析从hws.csv文件中读取数据，并根据身高、体重、性别对用户进行聚类，并选择适当的图表对聚类分析结果进行可视化。最终，为用户推荐合适的产品、提供健身建议。

项目实施结果得到聚类模型

熟练使用sklearn实现聚类分析应用重点：阿里云大数据分析与应用中级5.2.3会调整聚类分析模型的参数实现聚类效果的优化难点：大数据工程技术人员国家职业技能标准中级6.3.2会使用Matplotlib等可视化包实现聚类模型的可视化证岗项目能力目标

一、使用DBSCAN聚类算法依据身高、体重、性别数据进行聚类（1）从hws.csv中读取数据（2）数据预处理：标签映射（3）原始数据可视化分析（4）使用DBSCAN获取簇的数量（5）DBSCAN模型可视化项目实施步骤

二、使用K-Means聚类算法依据身高、体重、性别数据进行聚类（1）基于DBSCAN获得的簇类数量，设置KMeans()中的相应参数（2）使用K-Means聚类算法对用户进行聚类（3）调整KMeans()参数（4）选择指标评估K-Means模型的优劣（5）最优模型的可视化项目实施步骤

任务解决方案：DBSCAN示例#加载数据data=pd.read_csv(hws.csv)#对性别进行数值化处理le=preprocessing.LabelEncoder()data[Gender]=le.fit_transform(data[Gender])#归一化minMax=MinMaxScaler()data[Weight2]=minMax.fit_transform(data[[Weight]])data[Height2]=minMax.fit_transform(data[[Height]])data[BMI]=minMax.fit_transform(data[[BMI]])data.head()dbscan=DBSCAN(eps=0.1,min_samples=5)dbscan.fit(data[[Gender,Weight2,Height2]])

还在等什么？马上动手实施聚类分析拓展项目吧~1.聚类分析方法拓展应用2.聚类分析实现3.三维结果可视化呈现小结