使用K-Means算法划分亚洲国家的三个足球梯队

首先对对数据有一个初步的了解：
**数据：asina_football_data.csv
数据描述：
 id ：国家对应id
 国家：国家名称
 2019年国际排名：2019 年国际足联的世界排名。
 2018年世界杯：2018 年世界杯中，很多球队没有进入到决赛圈，所以只有进入到决赛圈的球队才有实际的排名。如果是亚洲区预选赛 12 强的球队，排名会设置为 40。如果没有进入亚洲区预选赛 12 强，球队排名会设置为 50。
 2015年亚洲杯：真是排名。
**
其次是编写代码有一套的编写思路：
一下五步：

训练模型基本流程及对应要求：
1、获取数据：使用pandas读取数据
2、数据分析：可视化分析
3、数据处理：归一化数据
4、模型训练：利用sklearn中的K-Means算法实现聚类，K=3
5、模型可视化：利用matplotlib包中的方法画出三维图，并按照预测类别的不同，使用不同的颜色表示。

编译运行后的代码呈现的结果：

构造模型图：输入X，Y，Z轴进行数据对应

前题：安装好需要的第三方库import pandas as pd
//导入工具包
data = pd.read_csv(r"D:/pyCharm/asina_football_data.csv")
//写入文件所在的路径，
print(data.head())
//初步打印出数据读取的结果train_x = data[['2019年国际排名', '2018年世界杯', '2015年亚洲杯']]
//提取需要进行分析的数据
df = pd.DataFrame(train_x)from sklearn import preprocessing
//导入工具包
min_max_scaler=preprocessing.MinMaxScaler()
train_x=min_max_scaler.fit_transform(train_x)
//训练模型
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
kmeans.fit(train_x)
predict_y = kmeans.predict(train_x)
//使用KMeans算法
result = pd.concat((data,pd.DataFrame(predict_y)),axis=1)
result.rename({0:u'梯队编号'},axis=1,inplace=True)
#print(result.head())
print("----------------------------------------------------")
tx = result[['国家','梯队编号']]
print(tx.head())//模型评估后进行绘图
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
//对字体进行处理
from matplotlib import font_manager
font = font_manager.FontProperties(fname='D:/python/腾祥嘉丽纤圆简.ttf')
//构建X，Y，Z轴，分别对应没一组数据
xs = list(set(data.iloc[:,0]))
ys = list(set(data.iloc[:,1]))
zs = list(set(data.iloc[:,2]))
print(xs,ys,zs)
fig = plt.figure()
ax=Axes3D(fig)name = list(set(data.iloc[:,1]))
for label,x,y,z in zip(name,xs,ys,zs):ax.text(x, y, z, label)
cValue = ['r','y','g','b','r','y','g','b','r']
#ax.scatter(xs,ys,zs,c=cValue)
//对每一条轴命名
ax.set_xlabel('2019年国际排名')
ax.set_ylabel('2018年世界杯')
ax.set_zlabel('2015年亚洲杯')
plt.show()

使用K-Means算法划分亚洲国家的三个足球梯队相关推荐

python模拟足球_使用K-Means算法划分亚洲国家的三个足球梯队
数据:asina_football_data.csv 数据描述: id :国家对应id 国家:国家名称 2019年国际排名:2019 年国际足联的世界排名. 2018年世界杯:2018 年世界杯中,很 ...
划分亚洲国家的三个足球梯队
数据描述: id :国家对应id 国家:国家名称 2019年国际排名:2019 年国际足联的世界排名. 2018年世界杯:2018 年世界杯中,很多球队没有进入到决赛圈,所以只有进入到决赛圈的球队才有 ...
kmeans改进 matlab,基于距离函数的改进k―means 算法
摘要:聚类算法在自然科学和和社会科学中都有很普遍的应用,而K-means算法是聚类算法中经典的划分方法之一.但如果数据集内相邻的簇之间离散度相差较大,或者是属性分布区间相差较大,则算法的聚类效果十分有 ...
k means算法C语言伪代码,K均值算法（K-Means）
1. K-Means算法步骤算法步骤收敛性定义,畸变函数(distortion function): 伪代码: 1) 创建k个点作为K个簇的起始质心(经常随机选择) 2) 当任意一个点的蔟分配结果 ...
k均值聚类算法(K Means)及其实战案例
算法说明 K均值聚类算法其实就是根据距离来看属性,近朱者赤近墨者黑.其中K表示要聚类的数量,就是说样本要被划分成几个类别.而均值则是因为需要求得每个类别的中心点,比如一维样本的中心点一般就是求这些样本 ...
K means 图片压缩
k-means的基本原理较为清晰,这里不多赘述,本次博客主要通过基础的k means算法进行图像的压缩处理. 原理分析在彩色图像中,每个像素的大小为3字节(RGB),可以表示的颜色总数为256 * ...
KMEANS均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数...
阅读全文:http://tecdat.cn/?p=24198 <世界幸福报告>是可持续发展解决方案网络的年度报告,该报告使用盖洛普世界民意调查的调查结果研究了150多个国家/地区的生活质量 ...
文献记录(part89)--I-k-means-+:An iterative clustering algorithm based on an enhanced k -means
学习笔记,仅供参考,有错必究关键词:k均值:解决方案改进:准确的k均值:迭代改进 I-k-means-+:An iterative clustering algorithm based on an ...
亚洲国家互联网渗透率_发展中亚洲国家如何回应covid 19
亚洲国家互联网渗透率 The COVID-19 pandemic has severely hit various economies across the world, with global im ...

使用K-Means算法划分亚洲国家的三个足球梯队

使用K-Means算法划分亚洲国家的三个足球梯队相关推荐

最新文章

热门文章