क्लस्टर विश्लेषण के लिए डेटा तैयारी

Python में क्लस्टर विश्लेषण

Shaumik Daityari

Business Analyst

क्लस्टरिंग के लिए डेटा क्यों तैयार करें?

वैरिएबल्स की इकाइयाँ तुलनीय नहीं हैं (उत्पाद के आयाम cm में, कीमत $ में)
समान इकाइयों वाले वैरिएबल्स के स्केल और variance बहुत अलग हैं (cereals, travel पर खर्च)
Raw डेटा क्लस्टरिंग में bias ला सकता है
क्लस्टर एक ही वैरिएबल पर अत्यधिक निर्भर हो सकते हैं
समाधान: व्यक्तिगत वैरिएबल्स का normalization

डेटा का normalization

Normalization: डेटा को rescale करने की प्रक्रिया ताकि standard deviation 1 हो जाए

x_new = x / std_dev(x)

from scipy.cluster.vq import whiten

data = [5, 1, 3, 3, 2, 3, 3, 8, 1, 2, 2, 3, 5]

scaled_data = whiten(data)
print(scaled_data)

[2.73, 0.55, 1.64, 1.64, 1.09, 1.64, 1.64, 4.36, 0.55, 1.09, 1.09, 1.64, 2.73]

चित्रण: डेटा का normalization

# Import plotting library
from matplotlib import pyplot as plt

# Initialize original, scaled data
plt.plot(data, 
         label="original")
plt.plot(scaled_data, 
         label="scaled")

# Show legend and display plot
plt.legend()
plt.show()

आगे: कुछ DIY अभ्यास

Python में क्लस्टर विश्लेषण