3.1 KiB
Общее задание: Использовать метод кластеризации к данным из курсовой работы, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.
Задание по вариантам: модель linkage Датасет: Board Games Ссылки: https://www.kaggle.com/datasets/andrewmvd/board-games
Задача для кластарезации: Кластеризация игр на основе их характеристик: 'Year Published', 'Users Rated', 'Rating Average', 'BGG Rank', 'Owned Users', 'Complexity Average' Запуск через файл app.py
Технологии:
Flask: Фреймворк для создания веб-приложений на языке Python. Pandas: Библиотека для анализа и обработки данных. SciPy: Набор библиотек для научных вычислений в Python, включая функцию linkage для кластеризации. Seaborn и Matplotlib: Библиотеки для визуализации данных. Описание работы программы:
Загрузка данных: Программа загружает данные из файла 'bgg_dataset.csv', представленного в виде таблицы с различными параметрами игр (год выпуска, количество оценок пользователей, средний рейтинг и т.д.).
Обработка данных: Производится обработка данных, включая преобразование строк в числа, замену ',' на '.' и обработку пропущенных значений.
Кластеризация и построение дендрограммы: Применяется кластеризация методом linkage на основе выбранных параметров игр. Полученная матрица расстояний используется для построения дендрограммы с помощью библиотеки Seaborn.
Отображение в веб-приложении: Результат визуализации (дендрограмма) сохраняется в формате изображения и отображается в веб-приложении, созданном с использованием Flask.
Входные данные:
Файл 'bgg_dataset.csv' с данными об играх, включающими столбцы Year Published, Users Rated, Rating Average, BGG Rank, Owned Users, Complexity Average. Выходные данные:
Веб-страница с отображенной дендрограммой, представляющей кластеризацию игр на основе выбранных параметров.