IIS_2023_1/tepechin_kirill_lab_4/lab4.py

39 lines
1.6 KiB
Python
Raw Normal View History

2023-12-01 13:27:39 +04:00
import pandas as pd
import matplotlib.pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
from sklearn.cluster import AgglomerativeClustering
from sklearn.metrics import silhouette_score
# Загрузка данных
data = pd.read_csv("smoking_drinking_dataset.csv")
# Уменьшаем размер данных
data = data.sample(frac=0.01, random_state=42)
# Выбор подмножества признаков для кластеризации
features = ['age', 'height', 'weight', 'waistline', 'sight_left', 'sight_right', 'hear_left', 'hear_right', 'SBP', 'DBP', 'BLDS', 'tot_chole', 'HDL_chole', 'LDL_chole', 'triglyceride', 'hemoglobin', 'urine_protein', 'serum_creatinine', 'SGOT_AST', 'SGOT_ALT', 'gamma_GTP']
# Выбор данных для кластеризации
cluster_data = data[features]
# Нормализация данных
normalized_data = (cluster_data - cluster_data.mean()) / cluster_data.std()
# Расчет матрицы связи
linkage_matrix = linkage(normalized_data, method='ward')
# Построение dendrogram
plt.figure(figsize=(16, 8))
dendrogram(linkage_matrix, orientation='top', labels=data.index, distance_sort='descending', show_leaf_counts=True)
plt.title('Дендрограма')
plt.ylabel('Дистанция')
#plt.show()
plt.savefig("dendr.png")
# Оценка метода
n_clusters = 4
cluster_model = AgglomerativeClustering(n_clusters=n_clusters, metric='euclidean', linkage='ward')
labels = cluster_model.fit_predict(normalized_data)
data['cluster'] = labels
silhouette_avg = silhouette_score(normalized_data, labels)
print(f"Silhouette Score: {silhouette_avg}")