remove extra file

malkova_anastasia_lab_4/README.md

@@ -0,0 +1,83 @@
+# Лабораторная работа №4
+
+> Кластеризация
+
+### Как запустить лабораторную работу
+
+1. Установить python, numpy, sklearn, matplotlib, plotly
+2. Запустить команду `python tnse.py` в корне проекта
+
+### Использованные технологии
+
+* Язык программирования `python`
+* Библиотеки `numpy, sklearn, matplotlib, plotly`
+* Среда разработки `PyCharm`
+
+### Что делает программа?
+
+Цель программы: кластеризовать ценовые диапазоны автомобилей на вторичном рынке.
+Используя метод кластеризации t-SNE, происходит обучение, оценка и вывод результатов кластеризации в виде графика.
+
+Так как метод визуальный, то оценка будет проводится субъективно 
+по критериям общего цвета и отдалённости кластеров друг от друга.
+
+#### Эксперимент
+
+Текущие параметры:
+
+- mileage
+- year
+- price
+
+##### TSNE(learning_rate=100)
+
+На размере данных в 1000 строк
+![1 эксперимент на небольшом кол-ве данных](exp1_small.png)
+
+На размере данных в 15000 строк
+![1 эксперимент на большом кол-ве данных](exp1.png)
+
+##### TSNE(learning_rate=200, perplexity=50, early_exaggeration=6)
+
+early_exaggeration - определяет, насколько плотными будут естественные кластеры исходного пространстве 
+во вложенном пространстве и сколько места будет между ними. (12 по умолчанию)
+
+На размере данных в 1000 строк
+![2 эксперимент на небольшом кол-ве данных](exp2_small.png)
+
+На размере данных в 15000 строк
+![2 эксперимент на большом кол-ве данных](exp2.png)
+
+##### TSNE(learning_rate=200, perplexity=50, early_exaggeration=6, angle=0.1)
+
+angle - Используется только если метод='barnes_hut' 
+Это компромисс между скоростью и точностью в случае T-SNE с применением алгоритма Барнса-Хата. (0.5 по умолчанию)
+
+На размере данных в 1000 строк
+![3 эксперимент на небольшом кол-ве данных](exp3_small.png)
+
+На размере данных в 15000 строк
+![3 эксперимент на большом кол-ве данных](exp3.png)
+
+
+**Выводы:**
+Чем больше данных, тем лучше алгоритм выделяет кластеры.
+Настроив параметры алгоритма удалось достичь улучшения результата, 
+но качество все равно можно считать неполностью удовлетворительным, так как кластеры выделяются с заметным уровнем шума.
+Другие методы кластеризации справляются лучше, если провести дополнительный эксперимент, 
+то можно четко выделить ценовые диапазоны, например:
+
+Ценовые диапазоны по пробегу
+![дополнительный эксперимент 1](exp1_addi.png)
+
+Ценовые диапазоны по году выпуска
+![дополнительный эксперимент 2](exp2_addi.png)
+
+В данных примерах можно особенно точно проследить зависимость между параметрами
+
+#### Итоговые выводы
+
+Алгоритм t-SNE визуальный и точность определяется восприятием графика. Поэтому использовать его лучше только в целях визуализации.
+Для данной задачи алгоритм не подходит, так как решает её недостаточно качественно.
+
+

malkova_anastasia_lab_4/constants.py

@@ -0,0 +1,3 @@
+NUMBER_OF_CLUSTERS = 3
+DATA_SIZE = 1000
+

malkova_anastasia_lab_4/data.py

@@ -0,0 +1,31 @@
+import pandas as pd
+
+from constants import DATA_SIZE
+
+
+def load_data():
+    data = read_data()
+    Y = data['Model']
+    X = data[['Year', 'Price', 'Mileage']]
+
+    return X, Y
+
+
+def fit_model(model, x):
+    transformed = model.fit_transform(x)
+
+    return transformed[:, 0], transformed[:, 1]
+
+
+def create_data():
+    data = read_data()
+    return data[['Year', 'Price']]
+
+
+def read_data():
+    data = pd.read_csv('true_car_listings.csv')[:DATA_SIZE]
+
+    unique_numbers = list(set(data['Model']))
+    data['Model'] = data['Model'].apply(unique_numbers.index)
+    return data
+

malkova_anastasia_lab_4/drawing.py

@@ -0,0 +1,72 @@
+import numpy as np
+from sklearn.manifold import TSNE
+from matplotlib import pyplot as plt
+from sklearn.cluster import AgglomerativeClustering
+import plotly.express as px
+from constants import *
+from data import load_data, fit_model, create_data
+
+
+def show_plots(y, x_axis, y_axis, plot_name):
+    only_labels = y.to_list()
+
+    labels = {
+        "x": "Price",
+        "y": "Value",
+    }
+
+    fig = px.scatter(None, x=x_axis, y=y_axis, labels=labels, opacity=1, color=only_labels)
+    fig.update_xaxes(showgrid=True, gridwidth=1, gridcolor='lightgrey',
+                     zeroline=True, zerolinewidth=1, zerolinecolor='lightgrey',
+                     showline=True, linewidth=1, linecolor='black')
+    fig.update_yaxes(showgrid=True, gridwidth=1, gridcolor='lightgrey',
+                     zeroline=True, zerolinewidth=1, zerolinecolor='lightgrey',
+                     showline=True, linewidth=1, linecolor='black')
+
+    fig.update_layout(title_text=plot_name, plot_bgcolor='white')
+    fig.update_traces(marker=dict(size=4))
+
+    fig.write_html(f'images/image.html')
+
+
+def build_launch_name(filename: str, model: TSNE):
+    data = [
+        filename, ' t-SNE ',
+        'learning_rate=', str(model.learning_rate), ' ',
+        'perplexity=', str(model.perplexity), ' ',
+        'early_exaggeration=', str(model.early_exaggeration), ' ',
+        'n_iter=', str(model.n_iter), ' ',
+        'n_iter_without_progress=', str(model.n_iter_without_progress), ' ',
+        'min_grad_norm=', str(model.min_grad_norm), ' ',
+        'metric=', str(model.metric), ' ',
+        'init=', str(model.init), ' ',
+        'method=', str(model.method), ' ',
+        'angle=', str(model.angle),
+    ]
+    return ''.join(data)
+
+
+def launch(filename, X, Y, model: TSNE):
+    x_axis, y_axis = fit_model(model, X)
+    plot_name = build_launch_name(filename, model)
+    show_plots(Y, x_axis, y_axis, plot_name=plot_name)
+
+
+def draw_experimental_clusters():
+    data = create_data()
+    cluster = AgglomerativeClustering(n_clusters=NUMBER_OF_CLUSTERS, affinity='euclidean', linkage='ward')
+
+    plt.xlabel("Год", fontweight="bold")
+    plt.ylabel("Цена", fontweight="bold")
+
+    corr = np.array(data)
+    cluster.fit_predict(corr)
+
+    plt.scatter(corr[:, 0], corr[:, 1], c=cluster.labels_, cmap='rainbow')
+    plt.show()
+
+
+def tnse_cluster():
+    X, Y = load_data()
+    model = TSNE(n_components=2, learning_rate=200, perplexity=50, early_exaggeration=6, angle=0.1)
+    launch(filename='true_car_listings.csv', X=X, Y=Y, model=model)

malkova_anastasia_lab_4/experimental_clustering.py

@@ -0,0 +1,4 @@
+from drawing import draw_experimental_clusters
+
+if __name__ == '__main__':
+    draw_experimental_clusters()

malkova_anastasia_lab_4/tnse.py

@@ -0,0 +1,4 @@
+from drawing import tnse_cluster
+
+if __name__ == '__main__':
+    tnse_cluster()