Python與機(jī)器學(xué)習(xí)（第2版）（微課版） 課件 5-04-拓展實(shí)訓(xùn)：用戶聚類分析任務(wù)說明

項(xiàng)目背景|項(xiàng)目概述|主要任務(wù)|任務(wù)實(shí)施步驟拓展實(shí)訓(xùn)用戶聚類分析【數(shù)據(jù)挖掘應(yīng)用】課程負(fù)責(zé)人：陳清華01101111011010111101010000101101010100111101背景先導(dǎo)項(xiàng)目概述項(xiàng)目主要任務(wù)任務(wù)實(shí)施步驟01Background02BriefIntroduction03Tasks04ImplementationSteps主要內(nèi)容項(xiàng)目總體要求

用戶聚類分析

從hws.csv文件中讀取數(shù)據(jù)，并根據(jù)身高、體重、性別對用戶進(jìn)行聚類，并選擇適當(dāng)?shù)膱D表對聚類分析結(jié)果進(jìn)行可視化。最終，為用戶推薦合適的產(chǎn)品、提供健身建議。項(xiàng)目實(shí)施結(jié)果得到聚類模型熟練使用sklearn實(shí)現(xiàn)聚類分析應(yīng)用

重點(diǎn)：阿里云大數(shù)據(jù)分析與應(yīng)用中級5.2.3會(huì)調(diào)整聚類分析模型的參數(shù)實(shí)現(xiàn)聚類效果的優(yōu)化

難點(diǎn)：大數(shù)據(jù)工程技術(shù)人員國家職業(yè)技能標(biāo)準(zhǔn)中級6.3.2會(huì)使用Matplotlib等可視化包實(shí)現(xiàn)聚類模型的可視化證崗項(xiàng)目能力目標(biāo)

一、使用DBSCAN聚類算法依據(jù)身高、體重、性別數(shù)據(jù)進(jìn)行聚類（1）從hws.csv中讀取數(shù)據(jù)

（2）數(shù)據(jù)預(yù)處理：標(biāo)簽映射（3）原始數(shù)據(jù)可視化分析（4）使用DBSCAN獲取簇的數(shù)量（5）DBSCAN模型可視化項(xiàng)目實(shí)施步驟

二、使用K-Means聚類算法依據(jù)身高、體重、性別數(shù)據(jù)進(jìn)行聚類（1）基于DBSCAN獲得的簇類數(shù)量，設(shè)置KMeans()中的相應(yīng)參數(shù)（2）使用K-Means聚類算法對用戶進(jìn)行聚類（3）調(diào)整KMeans()參數(shù)（4）選擇指標(biāo)評估K-Means模型的優(yōu)劣（5）最優(yōu)模型的可視化項(xiàng)目實(shí)施步驟任務(wù)解決方案：DBSCAN示例#加載數(shù)據(jù)data=pd.read_csv('hws.csv')#對性別進(jìn)行數(shù)值化處理le=preprocessing.LabelEncoder()data['Gender']=le.fit_transform(data['Gender'])#歸一化minMax=MinMaxScaler()data['Weight2']=minMax.fit_transform(data[['Weight']])data['Height2']=minMax.fit_transform(data[['Height']])data['BMI']=minMax.fit_transform(data[['BMI']])data.head()dbscan=DBSCAN(eps=0.1,min_samples=5)dbscan.fit(data[['Gender','Weight2','Height2']])還在等什