75 lines
4.9 KiB
Markdown
75 lines
4.9 KiB
Markdown
# Лабораторная 4
|
||
## Вариант 9
|
||
|
||
## Задание
|
||
Использовать метод кластеризации t-SNE,самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вамизадачи.
|
||
|
||
Задача:
|
||
- Можно использовать кластеризацию для группировки компаний на основе их местоположения (company_location) и размера (company_size). Это поможет выделить группы компаний с похожими характеристиками.
|
||
|
||
## Описание Программы
|
||
Программа выполняет кластеризацию компаний на основе их местоположения (company_location) и размера (company_size) с использованием методов t-SNE и KMeans.
|
||
|
||
### Используемые библиотеки
|
||
`pandas:`
|
||
|
||
Используется для загрузки данных из CSV-файла и работы с ними в виде датафрейма (pd.read_csv, pd.DataFrame).
|
||
|
||
`LabelEncoder (из scikit-learn):`
|
||
|
||
Применяется для преобразования категориальных переменных (company_location и company_size) в числовые значения (le.fit_transform).
|
||
|
||
`TSNE (из scikit-learn):`
|
||
|
||
Используется для выполнения уменьшения размерности данных с помощью метода t-SNE (TSNE(n_components=2, random_state=42)).
|
||
|
||
`KMeans (из scikit-learn):`
|
||
|
||
Применяется для кластеризации данных методом KMeans (KMeans(n_clusters=3, random_state=42)).
|
||
|
||
`matplotlib и seaborn:`
|
||
|
||
Используются для визуализации данных и построения графика, который отображает результаты кластеризации (plt.figure, sns.scatterplot, plt.title, plt.show).
|
||
|
||
### Шаги программы
|
||
|
||
**Загрузка данных:**
|
||
|
||
Данные о компаниях загружаются из CSV-файла "ds_salaries.csv" с использованием pandas.
|
||
|
||
**Преобразование категориальных переменных:**
|
||
|
||
Местоположение компаний (company_location) и их размер (company_size) преобразуются из категориальных в числовые значения с помощью LabelEncoder.
|
||
|
||
**Выбор признаков:**
|
||
|
||
Выбираются признаки для анализа, в данном случае, местоположение и размер компаний.
|
||
|
||
**Уменьшение размерности с использованием t-SNE:**
|
||
|
||
Применяется метод t-SNE для уменьшения размерности данных до двух компонент.
|
||
|
||
**Кластеризация данных с использованием KMeans:**
|
||
|
||
Кластеризация данных выполняется с помощью метода KMeans с 3 кластерами, определенными на основе результата t-SNE.
|
||
|
||
**Создание и визуализация нового датафрейма:**
|
||
|
||
Создается новый датафрейм (data_tsne_df), содержащий новые координаты компаний после применения t-SNE, а также метки кластеров.
|
||
Добавляется номер кластера к исходным данным.
|
||
|
||
**Визуализация кластеров:**
|
||
|
||
Выполняется визуализация результатов кластеризации с использованием библиотеки seaborn.
|
||
|
||
### Запуск программы
|
||
- Склонировать или скачать код `main.py`.
|
||
- Запустите файл в среде, поддерживающей выполнение Python. `python main.py`
|
||
|
||
### Результаты
|
||
|
||
|
||
На графике представлены компании в двумерном пространстве, где каждая точка относится к конкретному кластеру. Различные цвета точек обозначают принадлежность к разным кластерам.
|
||
|
||
Кластеры можно рассматривать как группы компаний с схожими характеристиками местоположения и размера. Компании, находящиеся близко в двумерном пространстве, могут иметь схожие характеристики.
|