Делаю проект по анализу данных для заявки на стажировку в ВК.
Знаю точно, что не сделаю полностью.
Отправлю с последним абзацем в котором напиши что-то типа такого:
А далее проводим категоризацию методом случайного леса.
… в работе пользуюсь новым поиском Бинга с элементами ИИ. …
В задаче категоризации методом KMeans огромное количество графиков.
Вот способ вывести их в сетке 4 х Х.
(Количество окошек в строке можете изменять сами ,грамотно заменяя цифру 4 на нужную Вам.
Вывод графиков в сетке я уже не один раз делал.
На в этом задаче машинного обучения это особенно пригодилось.
Вообще, задача категоризации относится к задачам машинного обучения “без учителя”.
Это означает то ,что мы заранее не знаем, какой получится результат.
Сколько и какие категории в выборке данных сформируются.
# импорт библиотек и общие настройки
import pandas as pd
import seaborn as sns
import math
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import itertools
# отключаем некритичные уведомления
import warnings
warnings.filterwarnings('ignore')
# показывать до 40ка колонок
pd.set_option('display.max.columns', 40)
# установка формата вывода на дисплей численных значений
pd.options.display.float_format = '{:,.2f}'.format
# чтение данных
try:
# Yandex path
data = pd.read_csv('/datasets/gym_churn.csv')
except:
# local path !! в кавычках укажите свой путь к файлу !!!
data = pd.read_csv(r"C:\Users\eddyd\Downloads\Praktikum\Datas_Eleventh_Project\gym_churn.csv")
# убираем колонку с признаком **оттока**
data_clusters = data.drop(columns=['Churn'])
# создаём объект класса scaler (нормализатор)
scaler = StandardScaler()
# обучаем нормализатор и преобразуем набор данных
x_sc = scaler.fit_transform(data_clusters)
# задаём число кластеров, равное 5, и фиксируем значение random_state для воспроизводимости результата
km = KMeans(n_clusters=5, random_state=0)
labels = km.fit_predict(x_sc) # применяем алгоритм к данным и формируем вектор кластеров
# сохраняем метки кластера в поле нашего датасета
data_clusters['cluster_km'] = labels
# setup size plot
sns.set(rc = {'figure.figsize':(20,5)})
plt.rcParams.update({'font.size': 12})
# список колонок
col_pairs = list(itertools.combinations(data_clusters.drop('cluster_km', axis=1).columns, 2))
# количество графиков
qty_plots = len(col_pairs)
# получим количество строк в сетке, разделив все на 4 c округлением ВВЕРХ
qty_str = math.ceil(qty_plots / 4 )
# строим qty_plots графиков по 4 в ряд
col=0 # порядковый номер колонки (для графика)
for i in range(qty_str): # строки в матрице графиков
# проверим, не достигли ли мы окончания списка колонок
# если col НЕ больше qty_plots то идём в цикл
# если больше то выходим
if col <= (qty_plots-1):
for j in [1,2, 3, 4]:
# если col НЕ больше qty_plots то идём в цикл
# если больше то выходим
if col <= (qty_plots-1):
# определяем колонку
pair = col_pairs[col]
# первый график в строке
plt.subplot(1,4,j)
sns.scatterplot(
data_clusters[pair[0]], data_clusters[pair[1]], hue=data_clusters['cluster_km'], palette='Paired'
);
plt.title('{} vs {}'.format(pair[0], pair[1]))
#переход к следующей платформе для следующего графика
col += 1
# закрываем цикл построения строки
plt.show()
# переход к следующей колонке для следующего графика
В результате выполнения этой программе на языке Python получается примерно вот это:
Сегодня закончил последнюю теоретическую часть в программе обучения Анализ данных на Яндекс.Практикуме.
Эта часть далась мне нелегко. Было очень много непонятных слов и действий.
Но, зато, очень интересно. Ведь это были Начала машинного обучения.
Нам рассказали и на практике показали, как устроено обучение машинного моделирования на основе накопленных данных для прогнозирования результатов будущих периодов.
Есть фитнес-центр. Администраторы этого предприятия ведут учёт того, как клиенты его посещают.
Удержание клиентов
