Python数据分析报告PPT课件.pptVIP

. * 聚类分析 在没有给定划分类别的情况下，根据数据相似度进行样本分组的一种方法。 常用聚类方法 类别 包括的主要算法 划分方法 K-Means算法、K-MEDOIDS算法、CLARANS算法 层次分析法 BIRCH算法、CURE算法、CHAMELEON算法 基于密度的方法 DBCSCAN算法、DENCLUE算法、OPTICS算法 基于网格的方法 STING算法、CLIOUE算法、WAVE——CLUSTER算法 基于模型的方法 统计学方法、神经网络方法 Python数据分析报告PPT课件全文共85页，当前为第64页。 . * 常用聚类分析算法 算法名称 算法描述 K-Means K-均值聚类也称为快速聚类法，在最小化误差函数的基础上将数据划分为预定的类数K。该算法原理简单并便于处理大量数据 K-中心点 K-均值算法对孤立点的敏感性，K-中心点算法不采用簇中对象的平均值作为簇中心，而选用簇中离平均值最近的对象作为簇中心 系统聚类 系统聚类也称为多层次聚类，分类的单位由高到低呈树形结构，且所处的位置越低，其包含的对象就越少，但这些对象间的共同特征越多。该聚类方法只适用在小数据量的时候使用，数据量大的时候速度会非常慢 Python数据分析报告PPT课件全文共85页，当前为第65页。 . * K-Means聚类算法 算法过程 从N个样本数据中随机选取K个对象作为初始的聚类中心 分别计算每个样本到各个聚类中心的距离，将对象分配到距离不最近的聚类中 所有对象分配完成后，重新计算K个聚类的中心 与前一次计算得到的K个聚类中心比较，如果聚类中心发生变化，转第二步，否则转下一步 当质心不发生变化时停止并输出聚类不结果 Python数据分析报告PPT课件全文共85页，当前为第66页。 . * 应用举例二 找出下列谁是学霸？ 高数 英语 C++ 音乐 小明 88 64 96 85 大明 92 99 95 94 小鹏 91 87 99 95 大鹏 78 99 97 81 小萌 88 78 98 84 大萌 100 95 100 92 Python数据分析报告PPT课件全文共85页，当前为第67页。 . * 使用Kmeans对学生成绩进行聚类 运行结果 结论 大明、小鹏、大鹏、大萌是学霸 Python数据分析报告PPT课件全文共85页，当前为第68页。 . * 5.1 Titanic数据集分析 前期准备 数据下载/topher/2016/December/584bcec3_titanic-data/titanic-data.csv 软件准备 python3.6+ anaconda 或 使用集成开发环境 pycharm 数据格式 PassengerId = 乘客ID Survived = 是否生还 Pclass = 乘客等级(1/2/3等舱位) Name = 乘客姓名 Sex = 性别 Age = 年龄 SibSp = 堂兄弟/妹个数 Parch = 父母与小孩个数 Ticket = 船票信息 Fare = 票价 Cabin = 客舱 Embarked = 登船港口 Python数据分析报告PPT课件全文共85页，当前为第69页。 . * 1、导入数据查看基本信息 运行结果 从数据集的基本信息可以看出，Age \ Cabin \ Embarked 是存在缺失值的，其中Cabin字段缺失值过多。 常用的方法是去除和补齐，数值型的数据是可以根据统计学的方法或者机器学习的方法将其进行补齐的 Python数据分析报告PPT课件全文共85页，当前为第70页。 . * 2、分析乘客存活率与各单变量之间的关系 查看总存活率 输出结果 survived_rate = float(df[Survived].sum()) / df[Survived].count() Print(‘survived_rate: ,survived_rate) survived_rate: 0.383838383838 Python数据分析报告PPT课件全文共85页，当前为第71页。 . * 舱位与存活率关系 运行结果 Python数据分析报告PPT课件全文共85页，当前为第72页。 . * 性别与存活率关系 运行结果 Python数据分析报告PPT课件全文共85页，当前为第73页。 . * 年龄与存活率关系 运行结果 Python数据分析报告PPT课件全文共85页，当前为第74页。 . * 3、分析乘客存活率与复合变量之间的关系 根据上述变量分析，舱位和性别对存活率影响都很大，但哪一个占的比重更大呢？ 将舱位