IIS_2023_1/simonov_nikita_lab_4/readme.md

8.7 KiB
Raw Blame History

Лабораторная работа №4 Вариант 25.

Задание

Общее задание: Использовать алгоритм кластеризации K-means, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной задачи.

Задача кластеризации: Можно ли выделить группы временных интервалов с разными уровнями активности аренды.

Ссылка на набор даных: kaggle-bike-sharing-system

Содержание

Введение

Данный код демонстрирует, кластеризацию временных интервалов аренды велосипедов с использованием алгоритма K-means. Целью является выделение групп временных интервалов с разными уровнями активности аренды. Скрипт использует набор данных train_bikes.csv, который включает информацию о прокате велосипедов в Вашингтоне, округ Колумбия.

Зависимости

Для работы этого приложения необходимы следующие библиотеки Python:

  • pandas
  • scikit-learn
  • NumPy
  • Matplotlib

Вы можете установить их с помощью pip:

pip install numpy scikit-learn pandas matplotlib

Запуск приложения

Чтобы запустить эту программу, выполните следующую команду:

python lab4.py

Откроется визуализация данных и в консоль выведется резудьтат.

Описание кода

  • Считывает данные о прокате велосипедов из CSV-файла train_bikes.csv и обрабатывает отсутствующие значения, удаляя соответствующие строки.

  • Извлечение признаков: Извлекает необходимые признаки, включая дату и время, а также количество арендованных велосипедов. Создает копию DataFrame для избежания предупреждения SettingWithCopyWarning.

X = data[['datetime', 'count']].copy()
  • Преобразование времени: Преобразует признак даты и времени в часы дня, что является важным для кластеризации на основе временных интервалов.
X['datetime'] = pd.to_datetime(X['datetime'])
X['hour'] = X['datetime'].dt.hour
  • Предварительная обработка данных: Масштабирует признаки с использованием StandardScaler для обеспечения их схожести.

  • Кластеризация: Использует алгоритм K-means для разделения временных интервалов на три группы на основе часа дня и количества аренды. Явно устанавливает параметр n_init, чтобы избежать предупреждения о будущих изменениях.

X.loc[:, 'cluster'] = KMeans(n_clusters=3, random_state=42, n_init=10).fit_predict(X_scaled)
  • Визуализация: Строит точечную диаграмму для визуализации результатов кластеризации. Каждая точка представляет временной интервал и окрашена в цвет, соответствующий присвоенному кластеру.

  • Выводит в консоль сводку кластеров, вычисляя описательные статистики для количества аренды в каждом кластере.

Заключение

Оценка работы моделей

Точечная диаграмма и сводка кластеров предоставляют представление о различных паттернах активности аренды велосипедов в течение дня. Анализ этих кластеров может помочь выявить пиковые часы спроса и адаптировать стратегии распределения ресурсов или маркетинговые действия.

Кластер Количество наблюдений Среднее кол-во аренд велосипедов Стандартное отклонение Минимум аренды 25-й перцентиль Медиана 75-й перцентиль Максимум аренды
0 4193 171.52 81.48 4 106 171 235 356
1 2328 474.83 139.73 272 367 441 555 977
2 436559.77 67.05 1 9 30 94 301

На основе предоставленных кластеров, мы можем сделать выводы:

  1. Утренний период (Кластер 2):
  • Низкий уровень аренды: Утренний период (вероятно, от раннего утра до полудня) характеризуется низким уровнем аренды велосипедов. Это может быть связано с тем, что люди предпочитают другие виды транспорта или не активно пользуются велосипедами в этот период.
  1. Пиковый период (Кластер 1):
  • Высокий спрос в пиковый час: В это время наблюдается высокий уровень аренды велосипедов, вероятно, в часы пик, когда люди двигаются в/из работы или в другие места активности. Бизнес может сфокусироваться на предоставлении дополнительных услуг, улучшении инфраструктуры или рекламе в это время.
  1. Вечерний период (Кластер 0):
  • Умеренный уровень аренды: Вечерний период (возможно, с послеполуденной до вечера) характеризуется умеренным уровнем аренды велосипедов. В это время бизнес может продолжать предоставлять услуги велопроката, а также улучшать комфорт и безопасность пользователей.