- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
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
您可能关注的文档
- Python与机器学习(第2版)(微课版) 课件 2-05-结构分析任务实施.pptx
- Python与机器学习(第2版)(微课版) 课件 2-06-相关分析任务实施.pptx
- Python与机器学习(第2版)(微课版) 课件 2-07-应用拓展:观影数据复杂分析.pptx
- Python与机器学习(第2版)(微课版) 课件 2-08-应用拓展:用餐数据复杂分析.pptx
- Python与机器学习(第2版)(微课版) 课件 3-01-观影数据分析项目概述.pptx
- Python与机器学习(第2版)(微课版) 课件 3-02-一元回归预测任务实施.pptx
- Python与机器学习(第2版)(微课版) 课件 3-03-归一化处理任务实施.pptx
- Python与机器学习(第2版)(微课版) 课件 3-04-多项式回归预测任务实施.pptx
- Python与机器学习(第2版)(微课版) 课件 3-05-degree参数设置任务实施.pptx
- Python与机器学习(第2版)(微课版) 课件 3-06-多元线性回归任务实施.pptx
文档评论(0)