33 lines
3.9 KiB
Markdown
33 lines
3.9 KiB
Markdown
# IIS_2023_1
|
||
### Задание
|
||
Использовать метод кластеризации по варианту для данных из таблицы 1 по варианту(таблица 9),самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.
|
||
4. DBSCAN
|
||
|
||
### Способ запуска лабораторной работы
|
||
Выполнить скрипт `shadaev_anton_lab_4/main.py`
|
||
|
||
### Стек технологий
|
||
* `Python`: v. 3.11
|
||
* `Pandas` - библиотека, которая позволяет работать с двумерными и многомерными таблицами, строить сводные таблицы, выделять колонки, использовать фильтры по параметрам, выполнять группировку по параметрам, запускать функции (сложение, нахождение медианы, среднего, минимального, максимального значений), объединять таблицы и многое другое
|
||
* `Sklearn` - предоставляет ряд инструментов для моделирования данных, включая классификацию, регрессию, кластеризацию и уменьшение размерности.
|
||
* `Matplotlib` - это библиотека для визуализации данных в Python, предоставляющая инструменты для создания статических, анимированных и интерактивных графиков и диаграмм.
|
||
|
||
### Описание кода
|
||
1. Загрузка данных из .csv-файла.
|
||
2. Предварительная обработка данных от null-значений.
|
||
3. Отбор признаков.
|
||
4. Нормализация признаков.
|
||
5. Применение алгоритма DBScan.
|
||
6. Визуализация данных.
|
||
|
||
График:
|
||
|
||
|
||
|
||
### Вывод
|
||
Каждый цвет представляет собой отдельный кластер, и точки с одинаковым цветом принадлежат одному и тому же кластеру.
|
||
* Средний уровень сахара в крови варьируется (примерно) от 140 до 250.
|
||
Возраст варьируется (примерно) от 30 до 80.
|
||
* На графике видно очень много фиолетовых точек, что говорит о том, что на нашем графике очень много шума. Но по другим точкам (более светлым) уже можем отобрать какие-то данные.
|
||
|
||
В целом, применение алгоритма DBScan к признакам (age, avg_glucose_level) из данного датасета не очень эффективно. Визуально можно оценить эффективность алгоритма на 5-10%. В моем случае этот алгоритм неэффективен, т.к. алгоритм лучше работает с данными с высокой плотностью, а разделить на группы среди признаков возраст и средний уровень сахара в крови может быть проблематично, т.к. получится выделить не так много характеристик среди групп с разным возрастом. По-сути все, что мы имеем, это низкий, средний, высокий уровень сахара в крови среди разных возрастных групп. |