Merge pull request 'shestakova_maria_lab_4 is ready' (#223) from shestakova_maria_lab_4 into main

Reviewed-on: http://student.git.athene.tech/Alexey/IIS_2023_1/pulls/223

shestakova_maria_lab_4/README.md

@@ -0,0 +1,25 @@
+### Задание:
+
+Использовать метод кластеризации для данных по алгоритму класстеризации linkage. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения задачи: Группировка людей с расстройствами сна на основе их возраста, пола и уровня стресса с целью выявления схожих характеристик и обнаружения возможных проблем со сном.
+
+### Технологии:
+
+Библиотека scipy, библиотека matplotlib, библиотека pandas
+
+### Что делает лабораторная:
+
+Загружаются данные из файла, далее они подготавливаются путем выбора только нужных столбцов. Выделяются признаки для кластеризации, Выполняется кластеризация с помощью функции linkage. В данном случае используется метод "ward", который минимизирует дисперсию внутри кластеров. Визуализируется дендрограмма
+
+### Как запустить:
+
+Первая часть лабораторной работы запускается в файле `shestakova_maria_lab_4.py` через Run: появляется диалоговое окно
+
+### Вывод:
+
+![img.png](dendro.png)
+
+На оси x отображаются образцы (samples) или объекты, которые были кластеризованы. Каждый образец представлен вертикальной линией в дендрограмме.
+
+На оси y отображается расстояние (distance) между кластерами. Расстояние измеряется в единицах, которые зависят от используемой метрики и метода кластеризации. Чем выше на оси y находится точка, тем больше расстояние между соответствующими кластерами.
+
+Дендрограмма представляет собой графическое представление иерархической кластеризации, где каждый узел на дендрограмме представляет собой объединение кластеров или отдельный образец.

shestakova_maria_lab_4/shestakova_maria_lab_4.py

@@ -0,0 +1,24 @@
+import pandas as pd
+from scipy.cluster.hierarchy import linkage, dendrogram
+import matplotlib.pyplot as plt
+
+# Загрузка данных
+data = pd.read_csv('sleep.csv')
+
+# Подготовка данных
+data = data[['Age', 'Gender', 'Stress Level']]
+data = data.dropna()
+
+# Выделение признаков для кластеризации
+features = pd.get_dummies(data[['Age', 'Stress Level', 'Gender']])
+
+# Выполнение кластеризации
+clusters = linkage(features, method='ward')
+
+# Визуализация дендрограммы
+plt.figure(figsize=(10, 6))
+plt.title('Dendrogram')
+plt.xlabel('Samples')
+plt.ylabel('Distance')
+dendrogram(clusters, leaf_rotation=90., leaf_font_size=8.)
+plt.show()