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.