senkin_alexander_lab_4 is ready

senkin_alexander_lab_4/.gitignore

@@ -0,0 +1 @@
+.idea/

senkin_alexander_lab_4/README.md

@@ -0,0 +1,31 @@
+Лабораторная №4
+
+Вариант №4
+
+Задание на лабораторную: 
+
+Использовать метод кластеризации DBSCAN, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной задачи. Было решено делать кластеризацию по летальныи исходам и магнитуде торнадо.
+
+Как запустить лабораторную работу:
+
+Чтобы увидеть работу программы, нужно запустить исполняемый питон файл senkin_alexander_lab_4.py, после чего будет отрисован график, по которому можно сделать выводы.
+
+Библиотеки:
+
+Sklearn. Предоставляет инструменты и алгоритмы, которые упрощают задачи, связанные с машинным обучением.
+
+Matplotlib - это библиотека для создания графиков и визуализации данных. Она используется для отображения данных на графиках.
+
+Описание программы:
+
+- Загружаем данные из csv файла
+- Выбираем количество данных для обработки, например 10000
+- Выделяем признаки, по которым будем проводить кластеризацию (fat - фатальные исходы, mag - магнитуды)
+- Применяем кластеризацию
+- Рисуем график
+
+Программа рисует следующий график:
+
+![img.png](img.png)
+
+Смотря на график можно сделать вывод, что среди 10000 записей о происходящих торнадо, большинство приходятся на 4 магнитуду с чуть больше 0 летальных исходов, а торнадо с амплитудой 5 имеет только шумовые точки. Также мы видим много шума - фиолетовых точек, что говорит нам о том, что алгоритм не очень эффективен для решаемой задачи. 

senkin_alexander_lab_4/senkin_alexander_lab_4.py

@@ -0,0 +1,27 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+from sklearn.cluster import DBSCAN
+# Загрузка данных из csv-файла
+data = pd.read_csv('us_tornado_dataset_1950_2021.csv')
+
+
+# Выбираем 10000 данных ()
+data_subset = data.head(10000)
+
+# Выделяем признаки (карат и глубина)
+features = data_subset[['fat', 'mag']]
+
+# Создание модели DBSCAN
+dbscan = DBSCAN(eps=0.1, min_samples=5)
+
+data_subset = data_subset.copy()
+
+# Применение DBSCAN к данным
+data_subset['cluster'] = dbscan.fit_predict(features)
+
+# Создание графика для визуализации кластеров
+plt.scatter(data_subset['fat'], data_subset['mag'], c=data_subset['cluster'], cmap='rainbow')
+plt.xlabel('Фатальные исходы (fat)')
+plt.ylabel('Магнитуда (mag)')
+plt.title('Кластеризация данных о фаматльных исходах и магнитуде торнадо')
+plt.show()