# Лабораторная работа 4. Кластеризация
### Задание на лабораторную:
Использовать метод кластеризации по варианту для данных из курсовой работы, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.

**Вариант 0 (20).**
Алгоритм кластеризации: K-means.

**Набор данных:** "Moscow tutors". Ссылка: https://www.kaggle.com/datasets/vadimantipov/moscow-tutors

**Задача:** разбить репетиторов на 3 группы со схожими характеристиками (стоимость занятия, оценка, количество отзывов и опыт).

***
### Как запустить лабораторную работу:
Для запуска лабораторной работы необходимо открыть файл `lr4.py`, нажать на ПКМ и в выпадающем списке выбрать опцию "Run".
***
### Технологии:
**Pandas** - это библиотека на языке Python, которая предоставляет удобные и эффективные инструменты для обработки и анализа данных. Она предоставляет высокоуровневые структуры данных, такие как DataFrame, которые позволяют легко и гибко работать с табличными данными.

**Matplotlib** - это библиотека визуализации данных на языке программирования Python, которая предоставляет широкий спектр инструментов для создания различных типов графиков, диаграмм и визуализаций данных.

**Scikit-learn (Sklearn)** - это библиотека для языка программирования Python, которая предоставляет инструменты для разработки и применения различных алгоритмов машинного обучения, включая классификацию, регрессию, кластеризацию, снижение размерности и многое другое. Scikit-learn также предлагает функции для предобработки данных, оценки моделей и выбора наилучших параметров.
***
### Что делает лабораторная работа:
В лабораторной работе решается задача кластеризации методом K-means на наборе данных о московских репетиторах.
Сначала загружаются данные из файла `tutors.csv`, пустые значения убираются из выборки.
После выполняется кластеризация методом K-means для выбранных столбцов выборки, происходит получение меток и центров кластеров. 
Результатом лабораторной работы являются разбитые на кластеры данные и оценка качества кластеризации, выведенные в консоль, и график, на котором каждая точка данных помечена цветом, соответствующим ее кластеру, а центры кластеров обозначены красными крестиками.
***
### Пример выходных данных:
***Кластеры и оценка кластеризации***
![](consoleRes.jpg)

***График***
![](plotRes.jpg)
***
**Вывод**: результатом лабораторной работы стали 3 группы репетиторов, полученные методом кластеризации K-means. 
Группы были сформированы на основе схожих характеристик по стоимости занятия, оценке репетитора, количеству отзывов и опыту работы.
Оценка качества кластеризации была получена при помощи коэффициента силуэта, который показал результат *0.59*, 
так как коэффициент может варьироваться от -1 до 1, можно сказать, что оценка высокая и метод K-means подходит для решения поставленной задачи.