Merge pull request 'podkorytova_yulia_lab_4 is ready' (#139) from podkorytova_yulia_lab_4 into main

Reviewed-on: http://student.git.athene.tech/Alexey/IIS_2023_1/pulls/139

podkorytova_yulia_lab_4/README.md

@@ -0,0 +1,39 @@
+# Лабораторная работа 4. Кластеризация
+### Задание на лабораторную:
+Использовать метод кластеризации по варианту для данных из курсовой работы, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.
+
+**Вариант 0 (20).**
+Алгоритм кластеризации: K-means.
+
+**Набор данных:** "Moscow tutors". Ссылка: https://www.kaggle.com/datasets/vadimantipov/moscow-tutors
+
+**Задача:** разбить репетиторов на 3 группы со схожими характеристиками (стоимость занятия, оценка, количество отзывов и опыт).
+
+***
+### Как запустить лабораторную работу:
+Для запуска лабораторной работы необходимо открыть файл `lr4.py`, нажать на ПКМ и в выпадающем списке выбрать опцию "Run".
+***
+### Технологии:
+**Pandas** - это библиотека на языке Python, которая предоставляет удобные и эффективные инструменты для обработки и анализа данных. Она предоставляет высокоуровневые структуры данных, такие как DataFrame, которые позволяют легко и гибко работать с табличными данными.
+
+**Matplotlib** - это библиотека визуализации данных на языке программирования Python, которая предоставляет широкий спектр инструментов для создания различных типов графиков, диаграмм и визуализаций данных.
+
+**Scikit-learn (Sklearn)** - это библиотека для языка программирования Python, которая предоставляет инструменты для разработки и применения различных алгоритмов машинного обучения, включая классификацию, регрессию, кластеризацию, снижение размерности и многое другое. Scikit-learn также предлагает функции для предобработки данных, оценки моделей и выбора наилучших параметров.
+***
+### Что делает лабораторная работа:
+В лабораторной работе решается задача кластеризации методом K-means на наборе данных о московских репетиторах.
+Сначала загружаются данные из файла `tutors.csv`, пустые значения убираются из выборки.
+После выполняется кластеризация методом K-means для выбранных столбцов выборки, происходит получение меток и центров кластеров. 
+Результатом лабораторной работы являются разбитые на кластеры данные и оценка качества кластеризации, выведенные в консоль, и график, на котором каждая точка данных помечена цветом, соответствующим ее кластеру, а центры кластеров обозначены красными крестиками.
+***
+### Пример выходных данных:
+***Кластеры и оценка кластеризации***
+![](consoleRes.jpg)
+
+***График***
+![](plotRes.jpg)
+***
+**Вывод**: результатом лабораторной работы стали 3 группы репетиторов, полученные методом кластеризации K-means. 
+Группы были сформированы на основе схожих характеристик по стоимости занятия, оценке репетитора, количеству отзывов и опыту работы.
+Оценка качества кластеризации была получена при помощи коэффициента силуэта, который показал результат *0.59*, 
+так как коэффициент может варьироваться от -1 до 1, можно сказать, что оценка высокая и метод K-means подходит для решения поставленной задачи.

podkorytova_yulia_lab_4/lr4.py

@@ -0,0 +1,44 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+from sklearn.cluster import KMeans
+from sklearn.metrics import silhouette_score
+
+data = pd.read_csv('tutors.csv', index_col=0)
+data = data.dropna()
+features = ['Price', 'Score', 'Reviews_number', 'Experience']
+X = data[features].values
+
+# метод K-means
+kmeans = KMeans(n_clusters=3)
+kmeans.fit(X)
+
+# получение меток кластеров
+labels = kmeans.labels_
+data['Cluster'] = labels
+
+# получение центров кластеров
+cluster_centers = kmeans.cluster_centers_
+
+# подсчет значений в каждом кластере
+cluster_counts = data['Cluster'].value_counts()
+
+for cluster in sorted(data['Cluster'].unique()):
+    cluster_data = data[data['Cluster'] == cluster]
+    print(f"-----Cluster № {cluster + 1} -----")
+    print(f"Number of tutors: {cluster_counts[cluster]}")
+    print("Cluster centers:")
+    for f, c in zip(features, cluster_centers[cluster]):
+        print(f"{f} - {c:.2f}")
+    print()
+
+# оценка качества с помощью коэффициента силуэта
+silhouette = silhouette_score(X, labels)
+print(f"Коэффициент силуэта: {silhouette:.2f}")
+
+# отображение результатов на графике
+plt.scatter(data['Score'], data['Price'], c=labels)
+plt.scatter(cluster_centers[:, 1], cluster_centers[:, 0], marker='x', color='red')
+plt.xlabel('Score')
+plt.ylabel('Price')
+plt.title('K-means clustering')
+plt.show()