IIS_2023_1/kondrashin_mikhail_lab_4/README.md

2.1 KiB
Raw Blame History

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 Result Result Result