Alexey/IIS_2023_1
4
3
Fork 1
Code Issues Pull Requests 5 Packages Projects Releases Wiki Activity

volkov_rafael_lab_4 is done

Browse Source
This commit is contained in:
Rafael Volkov 2023-12-05 12:28:13 +04:00
parent a8c58683dd
commit 66e10e3b53
4 changed files with 20442 additions and 0 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

51
volkov_rafael_lab_4/app.py Normal file
View File

@ -0,0 +1,51 @@
from flask import Flask, render_template
import pandas as pd
from scipy.cluster.hierarchy import linkage, dendrogram
import seaborn as sns
import io
import base64
import matplotlib.pyplot as plt
import numpy as np
app = Flask(__name__)
# Загрузка данных из файла bgg_dataset.csv
data = pd.read_csv("bgg_dataset.csv", delimiter=";")
# Обработка данных: преобразование строк в числа и замена ',' на '.'
data['Rating Average'] = data['Rating Average'].str.replace(',', '.').astype(float)
data['Complexity Average'] = data['Complexity Average'].str.replace(',', '.').astype(float)
data['Year Published'] = pd.to_numeric(data['Year Published'], errors='coerce') # Если есть строки, которые не являются числами, они будут заменены на NaN
# Замена пропущенных значений средними значениями по столбцам
features = data[['Year Published', 'Users Rated', 'Rating Average', 'BGG Rank', 'Owned Users', 'Complexity Average']]
features = features.fillna(features.mean())
# Проверка наличия бесконечных значений
if not features.applymap(np.isfinite).all().all():
raise ValueError("Data contains infinite values")
# Вычисление матрицы расстояний и построение кластеров с использованием модели linkage
linkage_matrix = linkage(features, method='ward')
@app.route('/')
def index():
# Создание изображения кластеризации
sns.set(style='white')
g = sns.clustermap(features, row_linkage=linkage_matrix, col_cluster=False, figsize=(18, 12))
# Сохранение изображения в буфер
img_buffer = io.BytesIO()
g.savefig(img_buffer, format='png')
img_buffer.seek(0)
# Преобразование изображения в base64 строку
img_base64 = base64.b64encode(img_buffer.read()).decode()
# Освобождение ресурсов
plt.close(g.fig)
return render_template('index.html', cluster_image=img_base64)
if __name__ == '__main__':
app.run(port=5000, debug=True)

20344
volkov_rafael_lab_4/bgg_dataset.csv Normal file
View File

File diff suppressed because it is too large Load Diff

36
volkov_rafael_lab_4/readme.md Normal file
View File

@ -0,0 +1,36 @@
Общее задание:
Использовать метод кластеризации к данным из курсовой работы, самостоятельно сформулировав задачу.
Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.
Задание по вариантам:
модель linkage
Датасет: Board Games
Ссылки:
https://www.kaggle.com/datasets/andrewmvd/board-games
Задача для кластарезации:
Кластеризация игр на основе их характеристик: 'Year Published', 'Users Rated', 'Rating Average', 'BGG Rank', 'Owned Users', 'Complexity Average'
Запуск через файл app.py
Технологии:
Flask: Фреймворк для создания веб-приложений на языке Python.
Pandas: Библиотека для анализа и обработки данных.
SciPy: Набор библиотек для научных вычислений в Python, включая функцию linkage для кластеризации.
Seaborn и Matplotlib: Библиотеки для визуализации данных.
Описание работы программы:
Загрузка данных: Программа загружает данные из файла 'bgg_dataset.csv', представленного в виде таблицы с различными параметрами игр (год выпуска, количество оценок пользователей, средний рейтинг и т.д.).
Обработка данных: Производится обработка данных, включая преобразование строк в числа, замену ',' на '.' и обработку пропущенных значений.
Кластеризация и построение дендрограммы: Применяется кластеризация методом linkage на основе выбранных параметров игр. Полученная матрица расстояний используется для построения дендрограммы с помощью библиотеки Seaborn.
Отображение в веб-приложении: Результат визуализации (дендрограмма) сохраняется в формате изображения и отображается в веб-приложении, созданном с использованием Flask.
Входные данные:
Файл 'bgg_dataset.csv' с данными об играх, включающими столбцы Year Published, Users Rated, Rating Average, BGG Rank, Owned Users, Complexity Average.
Выходные данные:
Веб-страница с отображенной дендрограммой, представляющей кластеризацию игр на основе выбранных параметров.

11
volkov_rafael_lab_4/templates/index.html Normal file
View File

@ -0,0 +1,11 @@
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Cluster Analysis</title>
</head>
<body>
<h1>Cluster Analysis</h1>
<img src="data:image/png;base64,{{ cluster_image }}" alt="Cluster Analysis">
</body>
</html>