43 lines
2.1 KiB
Markdown
43 lines
2.1 KiB
Markdown
#### 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:
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|