93 lines
5.2 KiB
Python
93 lines
5.2 KiB
Python
|
import pandas as pd
|
|||
|
|
from sklearn.preprocessing import LabelEncoder
|
|||
|
|
from sklearn.cluster import KMeans
|
|||
|
|
from sklearn.metrics import silhouette_score
|
|||
|
|
import matplotlib.pyplot as plt
|
|||
|
|
|
|||
|
|
''' Названия столбцов набора данных и их описание:
|
|||
|
|
Id: Уникальный идентификатор для каждого автомобиля в списке.
|
|||
|
|
Price: Ценовой диапазон автомобилей с конкретными ценниками и подсчетами. (111000 - 77500000)
|
|||
|
|
Company Name: Название компании-производителя автомобилей с указанием процентной доли представительства каждой компании.
|
|||
|
|
Model Name: Название модели автомобилей с указанием процентного соотношения каждой модели.
|
|||
|
|
Model Year: Диапазон лет выпуска автомобилей с указанием количества и процентных соотношений. (1990 - 2019)
|
|||
|
|
Location: Местоположение автомобилей с указанием регионов, где они доступны для покупки, а также их процентное соотношение.
|
|||
|
|
Mileage: Информация о пробеге автомобилей с указанием диапазонов пробега, количества и процентов. (1 - 999999)
|
|||
|
|
Engine Type: Описания типов двигателей с процентными соотношениями для каждого типа.
|
|||
|
|
Engine Capacity: Мощность двигателя варьируется в зависимости от количества и процентов. (16 - 6600)
|
|||
|
|
Color: Цветовое распределение автомобилей с указанием процентных соотношений для каждого цвета.
|
|||
|
|
'''
|
|||
|
|
|
|||
|
|
|
|||
|
|
# Загрузите данные из вашей курсовой работы, предположим, что у вас есть файл CSV.
|
|||
|
|
data = pd.read_csv('Data_pakwheels.csv')
|
|||
|
|
data.pop("Id")
|
|||
|
|
|
|||
|
|
data.dropna(inplace=True) # Удаление строки с пропущенными значениями.
|
|||
|
|
|
|||
|
|
# Преобразуйте категориальные признаки в числовые. Используйте, например, one-hot encoding.
|
|||
|
|
# data = pd.get_dummies(data, columns=['Company Name', 'Model Name', 'Location', 'Engine Type', 'Color'])
|
|||
|
|
|
|||
|
|
# Создайте объект LabelEncoder
|
|||
|
|
label_encoder = LabelEncoder()
|
|||
|
|
|
|||
|
|
data['Location'] = label_encoder.fit_transform(data['Location'])
|
|||
|
|
data['Company Name'] = label_encoder.fit_transform(data['Company Name'])
|
|||
|
|
data['Model Name'] = label_encoder.fit_transform(data['Model Name'])
|
|||
|
|
data['Engine Type'] = label_encoder.fit_transform(data['Engine Type'])
|
|||
|
|
data['Color'] = label_encoder.fit_transform(data['Color'])
|
|||
|
|
data['Assembly'] = label_encoder.fit_transform(data['Assembly'])
|
|||
|
|
data['Body Type'] = label_encoder.fit_transform(data['Body Type'])
|
|||
|
|
data['Transmission Type'] = label_encoder.fit_transform(data['Transmission Type'])
|
|||
|
|
data['Registration Status'] = label_encoder.fit_transform(data['Registration Status'])
|
|||
|
|
|
|||
|
|
# Выбор признаков для кластеризации
|
|||
|
|
features = ['Price', 'Model Year', 'Mileage', 'Engine Capacity']
|
|||
|
|
|
|||
|
|
# Выбор числа кластеров с использованием метода локтя
|
|||
|
|
inertia = []
|
|||
|
|
for n_clusters in range(1, 11):
|
|||
|
|
kmeans = KMeans(n_clusters=n_clusters, random_state=42)
|
|||
|
|
kmeans.fit(data[features])
|
|||
|
|
inertia.append(kmeans.inertia_)
|
|||
|
|
|
|||
|
|
# Визуализация метода локтя
|
|||
|
|
plt.plot(range(1, 11), inertia, marker='o')
|
|||
|
|
plt.xlabel('Number of clusters')
|
|||
|
|
plt.ylabel('Inertia')
|
|||
|
|
plt.title('Elbow Method for Optimal k')
|
|||
|
|
plt.show()
|
|||
|
|
|
|||
|
|
# Выбор оптимального числа кластеров (пример, если "локоть" находится при k=3)
|
|||
|
|
optimal_clusters = 5
|
|||
|
|
|
|||
|
|
# Применение K-means
|
|||
|
|
kmeans = KMeans(n_clusters=optimal_clusters, random_state=42)
|
|||
|
|
data['Cluster'] = kmeans.fit_predict(data[features])
|
|||
|
|
|
|||
|
|
# получение меток кластеров
|
|||
|
|
labels = kmeans.labels_
|
|||
|
|
data['Cluster'] = labels
|
|||
|
|
# оценка качества с помощью коэффициента силуэта
|
|||
|
|
silhouette = silhouette_score(data[features].values, labels)
|
|||
|
|
print(f"Коэффициент силуэта: {silhouette:.2f}")
|
|||
|
|
|
|||
|
|
# Интерпретация результатов
|
|||
|
|
for cluster_num in range(optimal_clusters):
|
|||
|
|
cluster_data = data[data['Cluster'] == cluster_num]
|
|||
|
|
print(f"\nCluster {cluster_num + 1} characteristics:")
|
|||
|
|
print(cluster_data[features].describe())
|
|||
|
|
|
|||
|
|
# Дополнительная визуализация, например, по двум признакам
|
|||
|
|
plt.scatter(data['Price'], data['Mileage'], c=data['Cluster'], cmap='viridis')
|
|||
|
|
plt.xlabel('Price')
|
|||
|
|
plt.ylabel('Mileage')
|
|||
|
|
plt.title('Clustering Results')
|
|||
|
|
plt.show()
|
|||
|
|
|
|||
|
|
# получение меток кластеров
|
|||
|
|
labels = kmeans.labels_
|
|||
|
|
data['Cluster'] = labels
|
|||
|
|
# оценка качества с помощью коэффициента силуэта
|
|||
|
|
silhouette = silhouette_score(data[features].values, labels)
|
|||
|
|
print(f"Коэффициент силуэта: {silhouette:.2f}")
|