做网站哪里买空间好,公司网站地图怎么做,wordpress数据库断开,做vue用哪个网站转自#xff1a;https://www.cnblogs.com/yjd_hycf_space/p/7094005.html 题目#xff1a; 通过给出的驾驶员行为数据#xff08;trip.csv#xff09;#xff0c;对驾驶员不同时段的驾驶类型进行聚类,聚成普通驾驶类型#xff0c;激进类型和超冷静型3类 。 利用Python的s… 转自https://www.cnblogs.com/yjd_hycf_space/p/7094005.html 题目 通过给出的驾驶员行为数据trip.csv对驾驶员不同时段的驾驶类型进行聚类,聚成普通驾驶类型激进类型和超冷静型3类 。 利用Python的scikit-learn包中的Kmeans算法进行聚类算法的应用练习。并利用scikit-learn包中的PCA算法来对聚类后的数据进行降维然后画图展示出聚类效果。通过调节聚类算法的参数来观察聚类效果的变化练习调参。 数据介绍 选取某一个驾驶员的经过处理的数据集trip.csv将该驾驶人的各个时间段的特征进行聚类。注其中的driver 和trip_no 不参与聚类 字段介绍 driver 驾驶员编号trip_notrip编号v_avg平均速度v_var速度的方差a_avg平均加速度a_var加速度的方差r_avg平均转速r_var转速的方差 v_a速度level为a时的时间占比同理v_b v_c v_d a_a加速度level为a时的时间占比同理a_b, a_c r_a转速level为a时的时间占比 r_b, r_c 聚类算法要求 1统计各个类别的数目 2找出聚类中心 3将每条数据聚成的类别该列命名为jllable 和原始数据集进行合并形成新的dataframe命名为new_df 并输出到本地命名为new_df.csv。 降维算法要求 1将用于聚类的数据的特征的维度降至2维并输出降维后的数据形成一个dataframe名字new_pca 2画图来展示聚类效果可用如下代码 import matplotlib.pyplot asplt d new_pca[new_df[jllable] 0] plt.plot(d[0], d[1], r.) d new_pca[new_df[jllable] 1] plt.plot(d[0], d[1], go) d new_pca[new_df[jllable] 2] plt.plot(d[0], d[1], b*) plt.gcf().savefig(D:/workspace/python/Practice/ddsx/kmeans.png) plt.show() python实现代码如下 from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltdfpd.read_csv(trip.csv, header0, encodingutf-8)
df1df.ix[:,2:]
kmeans KMeans(n_clusters3, random_state10).fit(df1)
df1[jllable]kmeans.labels_
df_count_typedf1.groupby(jllable).apply(np.size)##各个类别的数目
df_count_type
##聚类中心
kmeans.cluster_centers_
##新的dataframe命名为new_df 并输出到本地命名为new_df.csv。
new_dfdf1[:]
new_df
new_df.to_csv(new_df.csv)##将用于聚类的数据的特征的维度降至2维并输出降维后的数据形成一个dataframe名字new_pca
pca PCA(n_components2)
new_pca pd.DataFrame(pca.fit_transform(new_df))##可视化
d new_pca[new_df[jllable] 0]
plt.plot(d[0], d[1], r.)
d new_pca[new_df[jllable] 1]
plt.plot(d[0], d[1], go)
d new_pca[new_df[jllable] 2]
plt.plot(d[0], d[1], b*)
plt.gcf().savefig(kmeans.png)
plt.show()转载于:https://www.cnblogs.com/xianhan/p/10644891.html
