IIS_2023_1/kondrashin_mikhail_lab_4

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: