50 lines
4.3 KiB
Markdown
50 lines
4.3 KiB
Markdown
|
## Задание
|
|||
|
|
Использовать метод кластеризации по варианту для выбранных данных,
|
|||
|
|
самостоятельно сформулировав задачу.
|
|||
|
|
Интерпретировать результаты и оценить, насколько хорошо он подходит для
|
|||
|
|
решения сформулированной вами задачи
|
|||
|
|
|
|||
|
|
Вариант №10
|
|||
|
|
|
|||
|
|
## Используемые технологии
|
|||
|
|
В лабораторной были использованы библиотеки:
|
|||
|
|
+ pandas - позволяет работать с наборами данных
|
|||
|
|
+ matplotlib - используется для создания графиков
|
|||
|
|
+ sklearn - используется для работы с моделями и методами машинного обучения
|
|||
|
|
+ Flask - предоставляет способ быстрого создания веб-страниц для визуализации работы приложения
|
|||
|
|
|
|||
|
|
## Используемые компоненты
|
|||
|
|
+ KMeans - библиотечная реализация метода k-средних, алгоритм
|
|||
|
|
стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров
|
|||
|
|
+ silhouette_score - метрика "Силуэт" для определения качества кластеризации.
|
|||
|
|
Вычисляется с помощью среднего внутрикластерного расстояния и среднего расстояния до ближайшего кластера по каждому образцу
|
|||
|
|
|
|||
|
|
## Как запустить
|
|||
|
|
Запустить файл flask-server, который поднимет локальный сервер
|
|||
|
|
и позволит обратиться к программе через браузер по ссылке [http://127.0.0.1:5000/](http://127.0.0.1:5000/)
|
|||
|
|
|
|||
|
|
## Что делает программа
|
|||
|
|
Берет 5000 записей из датасета (датасет Chess Game Dataset
|
|||
|
|
[https://www.kaggle.com/datasets/datasnaek/chess](https://www.kaggle.com/datasets/datasnaek/chess)),
|
|||
|
|
Преобразует данные нечисловых столбцов в числовые значения, осуществляет нормализацию и взвешивание параметров.
|
|||
|
|
Проводит кластеризацию с помощью метода KMeans на данных, количество кластеров выбрано вручную.
|
|||
|
|
Оценивает качество кластеризации с помощью метрики "Силуэт"
|
|||
|
|
|
|||
|
|
## Анализ и скриншоты работы программы
|
|||
|
|
|
|||
|
|
С помощью кластеризации планировалось разбить все шахматные партии на группы
|
|||
|
|
с учетом напряженности игры. Так, рейтинговые игры, с меньшими временными затратами
|
|||
|
|
на ход и более высокими рейтингами игроков считаются более напряженными.
|
|||
|
|
|
|||
|
|
Наилучшие результаты по метрике "Силуэт" получаются, если задать количество кластеров,
|
|||
|
|
равное двум. Но при этом всего лишь происходит разделение игр на рейтинговые и
|
|||
|
|
не рейтинговые. Изменение веса этого параметра также не дает существенных результатов
|
|||
|
|
|
|||
|
|
|
|||
|
|
С другой стороны, разделение данных на 3 кластера визуально совпадает с ожидаемым
|
|||
|
|
разделнием. Так, самые напряженные игры войдут в синий кластер, менее напряженные - в желтый.
|
|||
|
|
Красный кластер соберет все наимее напряженные игры, так как они проходят вне рейтинга.
|
|||
|
|
Однако оценка по метрике "Силуэт" будет существенно хуже.
|
|||
|
|
|
|||
|
|
|