kaggle研究生招生（下）

对于该数据先采用回归算法，再转为分类算法，这次使用聚类算法

聚类算法（无监督机器学习算法）

df = pd.read_csv("../input/Admission_Predict.csv",sep = ",")
df=df.rename(columns = {'Chance of Admit ':'ChanceOfAdmit'})
serial = df["Serial No."]
df.drop(["Serial No."],axis=1,inplace = True)
df = (df- np.min(df))/(np.max(df)-np.min(df))
y = df.ChanceOfAdmit
x = df.drop(["ChanceOfAdmit"],axis=1)

所有特征（x）均采用主成分分析法收集在一个特征中。

PCA

# for data visualization
from sklearn.decomposition import PCA
pca = PCA(n_components = 1, whiten= True )  # whitten = normalize
pca.fit(x)
x_pca = pca.transform(x)
x_pca = x_pca.reshape(400,)
dictionary = {"x":x_pca,"y":y}
data = pd.DataFrame(dictionary)
print("data:")
print(data.head())
print("\ndf:")
print(df.head())

K-means

利用肘形法确定K均值聚类的最佳聚类数是3

df["Serial No."] = serial
from sklearn.cluster import KMeans
wcss = []
for k in range(1,15):kmeans = KMeans(n_clusters=k)kmeans.fit(x)wcss.append(kmeans.inertia_)
plt.plot(range(1,15),wcss)
plt.xlabel("k values")
plt.ylabel("WCSS")
plt.show()kmeans = KMeans(n_clusters=3)
clusters_knn = kmeans.fit_predict(x)df["label_kmeans"] = clusters_knnplt.scatter(df[df.label_kmeans == 0 ]["Serial No."],df[df.label_kmeans == 0].ChanceOfAdmit,color = "red")
plt.scatter(df[df.label_kmeans == 1 ]["Serial No."],df[df.label_kmeans == 1].ChanceOfAdmit,color = "blue")
plt.scatter(df[df.label_kmeans == 2 ]["Serial No."],df[df.label_kmeans == 2].ChanceOfAdmit,color = "green")
plt.title("K-means Clustering")
plt.xlabel("Candidates")
plt.ylabel("Chance of Admit")
plt.show()df["label_kmeans"] = clusters_knn
plt.scatter(data.x[df.label_kmeans == 0 ],data[df.label_kmeans == 0].y,color = "red")
plt.scatter(data.x[df.label_kmeans == 1 ],data[df.label_kmeans == 1].y,color = "blue")
plt.scatter(data.x[df.label_kmeans == 2 ],data[df.label_kmeans == 2].y,color = "green")
plt.title("K-means Clustering")
plt.xlabel("X")
plt.ylabel("Chance of Admit")
plt.show()

层次聚类

采用树形图方法确定了层次聚类的最佳聚类数又是3

df["Serial No."] = serialfrom scipy.cluster.hierarchy import linkage, dendrogram
merg = linkage(x,method="ward")
dendrogram(merg,leaf_rotation = 90)
plt.xlabel("data points")
plt.ylabel("euclidean distance")
plt.show()from sklearn.cluster import AgglomerativeClustering
hiyerartical_cluster = AgglomerativeClustering(n_clusters = 3,affinity= "euclidean",linkage = "ward")
clusters_hiyerartical = hiyerartical_cluster.fit_predict(x)df["label_hiyerartical"] = clusters_hiyerarticalplt.scatter(df[df.label_hiyerartical == 0 ]["Serial No."],df[df.label_hiyerartical == 0].ChanceOfAdmit,color = "red")
plt.scatter(df[df.label_hiyerartical == 1 ]["Serial No."],df[df.label_hiyerartical == 1].ChanceOfAdmit,color = "blue")
plt.scatter(df[df.label_hiyerartical == 2 ]["Serial No."],df[df.label_hiyerartical == 2].ChanceOfAdmit,color = "green")
plt.title("Hierarchical Clustering")
plt.xlabel("Candidates")
plt.ylabel("Chance of Admit")
plt.show()plt.scatter(data[df.label_hiyerartical == 0 ].x,data.y[df.label_hiyerartical == 0],color = "red")
plt.scatter(data[df.label_hiyerartical == 1 ].x,data.y[df.label_hiyerartical == 1],color = "blue")
plt.scatter(data[df.label_hiyerartical == 2 ].x,data.y[df.label_hiyerartical == 2],color = "green")
plt.title("Hierarchical Clustering")
plt.xlabel("X")
plt.ylabel("Chance of Admit")
plt.show()

聚类算法比较

k-均值聚类和层次聚类是相似的。

总结

任何一个数据都可以进行回归，分类，甚至聚类的算法，关键如何处理数据采用不同种类的算法

kaggle研究生招生（下）相关推荐

kaggle研究生招生（上）
每天逛 kaggle https://www.kaggle.com/mohansacharya/graduate-admissions 看来这个也是非常出名的数据集 GRE分数(290至340) 托福 ...
kaggle研究生招生（中）
上次将数据训练了模型由于数据中的大多数候选人都有70%以上的机会,许多不成功的候选人都没有很好的预测. df["Chance of Admit"].plot(kind = 'hi ...
海南大学2020年申请考核博士研究生招生工作办法
海南大学2020年申请考核博士研究生招生工作办法时间: 2020/6/19 18:14:00 来源:研究生处为建立与国际接轨的博士研究生招生选拔制度,鼓励拔尖创新型人才脱颖而出,进一步提高海南大学 ...
川大计算机考研2020招生数,四川大学等大学，2020年研究生招生简章发布，这3个信息很重要！...
随着考研预报名临近,各个大学都相继发布了<2020年硕士研究生招生简章>(以下简称招生简章),可能很多同学觉得这个只是走一个流程,没什么用,或者还不知道如何利用好它,其实,招生简章在我们报 ...
温州大学计算机与人工智能学院2022年硕士研究生招生复试咨询开始啦！
咨询对象与方式咨询对象:考生第一志愿为学硕,初试成绩达到教育部统一规定的工科复试分数线,考试科目须为英语一.数学一.408计算机学科专业基础综合. 咨询方式:可扫二维码进行咨询登记温州大学硕士研究 ...
【学术相关】翻倍！研究生招生规模持续扩张！
来源:青塔Pro(ID:Cingta-Pro) 编辑:学妹 3月1日,教育部发布了2021年全国教育事业统计主要数据.数据显示,与2012年相比,近十年里,我国研究生招生规模几乎翻倍. 研究生招生规模 ...
基于oracle设计与实现,基于Oracle的高校研究生招生系统设计与实现.doc
基于Oracle的高校研究生招生系统设计与实现第 6 卷第 7 期 (2010 年 3 月) Computer Knowledge and Technology 电脑知识与技术 E-mail: HY ...
2019贵州大学计算机研究生,贵州大学2019年硕士研究生招生拟录取名单公示（一）...
贵州大学2019年硕士研究生招生拟录取名单公示(一) 院系所码院系所名称录取专业代码录取专业名称学习方式考生编号姓名初试总分复试成绩录取总成绩备注 102 外国语学院 045300 汉语 ...
tstringlist怎么查看是否存在该数据_注意！研究生招生信息只公开1个月！应该怎么用？...
请注意!全国硕士研究生招生信息公开平台(以下简称"研招信息公开平台")已于2019年7月1日开放-2019年7月30日结束. 招生信息怎么看?老师在线教你看懂研究生招生信息! 本篇 ...

kaggle研究生招生（下）

聚类算法（无监督机器学习算法）

PCA

K-means

层次聚类

kaggle研究生招生（下）相关推荐

最新文章

热门文章