shadaev_anton_lab_4/README.md

@@ -0,0 +1,33 @@
+# IIS_2023_1
+### Задание
+Использовать метод кластеризации по варианту для данных из таблицы 1  по  варианту(таблица  9),самостоятельно  сформулировав  задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.
+4. DBSCAN
+
+### Способ запуска лабораторной работы
+Выполнить скрипт `shadaev_anton_lab_4/main.py`
+
+### Стек технологий
+* `Python`: v. 3.11
+* `Pandas` - библиотека, которая позволяет работать с двумерными и многомерными таблицами, строить сводные таблицы, выделять колонки, использовать фильтры по параметрам, выполнять группировку по параметрам, запускать функции (сложение, нахождение медианы, среднего, минимального, максимального значений), объединять таблицы и многое другое
+* `Sklearn` - предоставляет ряд инструментов для моделирования данных, включая классификацию, регрессию, кластеризацию и уменьшение размерности.
+* `Matplotlib` - это библиотека для визуализации данных в Python, предоставляющая инструменты для создания статических, анимированных и интерактивных графиков и диаграмм.
+
+### Описание кода
+1. Загрузка данных из .csv-файла.
+2. Предварительная обработка данных от null-значений.
+3. Отбор признаков.
+4. Нормализация признаков.
+5. Применение алгоритма DBScan.
+6. Визуализация данных.
+
+График:
+
+![myplot.png](myplot.png)
+
+### Вывод
+Каждый цвет представляет собой отдельный кластер, и точки с одинаковым цветом принадлежат одному и тому же кластеру.
+* Средний уровень сахара в крови варьируется (примерно) от 140 до 250.
+Возраст варьируется (примерно) от 30 до 80.
+* На графике видно очень много фиолетовых точек, что говорит о том, что на нашем графике очень много шума. Но по другим точкам (более светлым) уже можем отобрать какие-то данные.
+
+В целом, применение алгоритма DBScan к признакам (age, avg_glucose_level) из данного датасета  не очень эффективно. Визуально можно оценить эффективность алгоритма на 5-10%. В моем случае этот алгоритм неэффективен, т.к. алгоритм лучше работает с данными с высокой плотностью, а разделить на группы среди признаков возраст и средний уровень сахара в крови может быть проблематично, т.к. получится выделить не так много характеристик среди групп с разным возрастом. По-сути все, что мы имеем, это низкий, средний, высокий уровень сахара в крови среди разных возрастных групп. 

shadaev_anton_lab_4/main.py

@@ -0,0 +1,31 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+from sklearn.cluster import DBSCAN
+from sklearn.preprocessing import StandardScaler
+
+# Загрузка данных из .csv-файла
+data = pd.read_csv('stroke_prediction_ds.csv')
+
+# В датасете встречаются null-значения, поэтому предварительно очистим датасет от них
+data = data.dropna()
+
+# Выбор признаков (гипертензия и сердечные заболевания)
+features = data[['age', 'avg_glucose_level']]
+
+# Нормализация признаков перед применением алгоритма DBScan, что позволит алгоритму работать быстрее и давать лучшие
+# результаты, так как данные будут приведены к одному виду на единой шкале
+scaler = StandardScaler()
+features = scaler.fit_transform(features)
+
+# Создание экземпляра DBScan
+dbscan = DBSCAN(eps=0.1, min_samples=5)
+
+# Применение алгорита DBScan к данным
+data['cluster'] = dbscan.fit_predict(features)
+
+# Визуализация данных
+plt.scatter(data['age'], data['avg_glucose_level'], c=data['cluster'])
+plt.xlabel('Возраст')
+plt.ylabel('Средний уровень сахара в крови')
+plt.title('Кластеризация данных по возрасту и среднему уровню сахара в крови')
+plt.show()