#### Кондрашин Михаил ПИбд-41

## Лабораторная работа 4. Кластеризация

### Запуск лабораторной работы:

* установить `python`, `numpy`, `matplotlib`, `sklearn`
* запустить проект (стартовая точка класс `main.py`)

### Используемые технологии:

* Язык программирования `Python`,
* Библиотеки `numpy`, `matplotlib`, `sklearn`
* Среда разработки `IntelliJ IDEA` (В версии "Ultimate edition" можно писать на python)

### Описание решения:

* Используемы алгоритм кластеризации - k-mean
* Попарно производит кластеризацию скорости ветра по различным метрикам, напрямую на неё влияющих.
* Входные данные
    * Влияющие признаки:
        * D1 (угол, с которого дует ветер на самом высоком датчике мачты ветростанции)
        * TI1 (показатель турбуленции на самом высоком датчике мачты ветростанции)
        * T (температура воздуха)
        * RH (относительная влажность)
	* P (атмосферное давление)
    * Кластеризуемый признак - V1 (Скорость ветра на самом высоком датчике мачты ветростанции)
    * Файл WindData.csv

### Выводы

Представлены кластеризации по 4 группам, представляющих собой кластеризацию по группам городов,
которым характерны конкретно текущие влияющие признаки. В целом k-means подходит к такому набору данных

### Результат:

![Result](images/D1-V1.png)
![Result](images/RH-V1.png)
![Result](images/T-V1.png)
![Result](images/TI1-V1.png)