聚类散点图的绘画与分析入门
一、导入数据
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
data=pd.DataFrame({'教练编号':range(1,31),'科目二':[0.87,0.97,0.79,0.76,0.7,0.5,0.6,0.55,0.83,0.3,0.31,0.43,0.8,0.82,0.45,0.74,0.9,0.45,0.42,0.35,0.94,0.89,0.6,0.6,0.66,0.94,0.67,0.59,0.91,0.56],'科目三':[0.95,0.85,0.71,0.77,0.64,0.67,0.56,0.64,0.49,0.71,0.45,0.5,0.58,0.62,0.84,0.43,0.5,0.61,0.68,0.7,0.67,0.81,0.77,0.92,0.84,0.99,0.97,0.85,0.93,0.95]})
二、绘图
1. 教练编号 : 科目二
X = data[['教练编号', '科目二']].values
kmeans = KMeans(n_clusters=4)
kmeans.fit(X)
labels = kmeans.predict(X)
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.show()
2. 教练编号 : 科目三
X = data[['教练编号', '科目三']].values
kmeans = KMeans(n_clusters=4)
kmeans.fit(X)
labels = kmeans.predict(X)
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.show()
3. 教练编号 : 科目三 : 科目二
X = data[['教练编号','科目二','科目三']].values
kmeans = KMeans(n_clusters=4)
kmeans.fit(X)
labels = kmeans.predict(X)
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(X[:, 0], X[:, 1], X[:, 2], c=labels)
plt.show()
三、分析(个人主观分析)
1.此模型可以看出四类的聚类数是合理的,但是就其聚类紧密度,聚类效果一般,聚类分离度也不是很大,存在一些离群点。
2.在散点图可以看出在0-5,5-15,15-25,25-30为区间,这些点在这些位置聚集明显,可以看的出不同的教练的学员的科目二、三通过率。方便下次选择。
聚类散点图的绘画与分析入门相关推荐
- 人脸图像聚类实战及TSNE可视化分析
人脸图像聚类实战及TSNE可视化分析 目录 人脸图像聚类实战及TSNE可视化分析 Kmeans聚类人脸图像数据 获取Kmeans最佳K值
- wireshark tcp data中文_wireshark流量分析入门
点击蓝字关注我们吧! wireshark流量分析入门 打开wireshark后,按ctrl+K,勾选需要抓包的网卡,我这里勾选WLAN. 点击Start开始抓包. wireshark过滤器表达式 协议 ...
- 文献记录(part79)--光学影像序列中基于多视角聚类的群组行为分析
学习笔记,仅供参考,有错必纠 光学影像序列中基于多视角聚类的群组行为分析 摘要 群组行为分析是光学影像序列分析中的一项重要课题, 在近年来引起了人工智能领域研究人员的广泛关注. 与行人个体相比, 群组 ...
- 量化分析入门7:获取多支股票的收盘价
#量化分析入门7:获取多支股票的收盘价 作者:冯德平(山野雪人)import pandas_datareader.data as web import datetime as dtstocks = [ ...
- 量化分析入门5:列表和收盘价的移动平均的示例
#量化分析入门5:列表和收盘价的移动平均的示例 作者:冯德平(山野雪人)import pandas as pd import akshare as ak#列表: s = [2,2,7,5,8,15,1 ...
- 视频教程-x86/x64软件逆向分析入门-C/C++
x86/x64软件逆向分析入门 成都理工大学优秀讲师,教授,二十年开发经验,和十六年一线教学工作经验,发表学术论文十余篇.参与包括863项目等多个国家级科研项目,参与包括微信机器人(WeChaty)等 ...
- 【产品经理三节课】第2章 用户分析入门
第2章 用户分析入门 1.1 通过用户反馈发现问题 1.通过用户反馈关注什么? ①自身产品的问题: ②竞品的问题: ③可能的机会点: 2.收集用户反馈的渠道有哪些? 3.用户反馈不同渠道的处理策略 ...
- 基于K-means聚类算法进行客户人群分析
摘要:在本案例中,我们使用人工智能技术的聚类算法去分析超市购物中心客户的一些基本数据,把客户分成不同的群体,供营销团队参考并相应地制定营销策略. 本文分享自华为云社区<基于K-means聚类算法 ...
- 逆向分析入门实战(三)
本文由作者首发于合天智汇:http://www.heetian.com/info/840 之前两篇文章,针对恶意代码为了确保自身只有一个实例在运行进行了正向开发和逆向分析.逆向入门分析实战(一).逆向 ...
最新文章
- Jquery DataTable服务端分页的最佳实现
- 鸟哥的Linux私房菜(服务器)- 簡易 APT/YUM 伺服器設定
- ReactiveCocoa个人记录
- 2020-12-15 CPU设计复盘
- LeetCode 1470. 重新排列数组
- mysql 不限定 ip_mysql 不指定 ip 的连接默认都是 localhost
- C#算法设计排序篇之07-希尔排序(附带动画演示程序)
- c++中recvfrom函数_通俗易懂:快速理解网络编程中5种IO模型
- 快速入门MyBatis-Plus,看这一篇就够了。
- REST和RESTful有什么区别
- 26.Yii 模块(2)
- Atitit 互联网 技术公司的组织架构 事业部 分公司
- 华为手机鸿蒙系统下载,华为鸿蒙系统手机版
- 彩票站漏洞引发的软件测试漏测思考
- EXCEL中如何分段进行快速填充
- cad中拖动文字时卡顿_cad移动图时卡顿 - 卡饭网
- AR路由器ETH端口使用方法
- 未来三年手机拍摄将超越单反?拍摄建模的时代来了...
- 两南之行,自然文艺、轻奢浪荡
- Java 使用记事本编写第一个java程序
热门文章
- Bash 快捷键 完整版
- 苹果商店appstore下载应用时,总是重复验证付款信息,如何解决?
- php之生成uuid和guid
- 常见的FTP站点资源
- 人工智能如何跨越“语言关”, 看高文、刘兵、李航、马维英、张潼、刘铁岩们是怎么说的?...
- 【洞见研报】研报速读:东兴证券——CPU生态价值与机遇研究(CPU,构架,国产替代)
- python作图的线型_Python matplotlib绘制线型图
- 细节是决定成败,网络上告诉你怎么做。
- 美股周二:特斯拉涨 2.23% ,小鹏汽车涨近 13% ,哔哩哔哩涨 4.28%
- 计算机开机后屏幕和键盘不亮,电脑开机后屏幕仍是黑屏鼠标和键盘灯不亮是为什么??...