용감한 자가 용과 싸우는 워커의 괴물을 k-means로 모아보자.
먼저 이러한 CSV 파일을 준비합니다.(따로 만든 물건의 유용이라 좀 낡았다.)
name,cost,color,hp,mp,power,defense,attack,recover,speed,skill
フレイザードA,99,紫,90,85,15,26,64,25,47,69
暴嵐天バリゲーンA,99,黄,110,44,51,79,29,29,28,44
アカイライS,99,青,79,47,55,52,25,23,72,72
ホロコーストS,99,紫,74,87,14,46,72,29,54,63
ガーゴイルA,98,赤,73,31,68,41,11,11,60,53
판다스로 읽어. scikit-learn으로 모인 KMeans.우선 10개로 나눠봤어요.import pandas as pd
import pprint
from sklearn.cluster import KMeans
n_cluster = 10
monsters = pd.read_csv("monster.txt", sep=',', na_values=".")
df = monsters.drop('name',axis=1).drop('color',axis=1)
kmeans_model = KMeans(n_clusters=n_cluster).fit(df.iloc[:, 1:])
labels = kmeans_model.labels_
monster_type = []
for i in range(n_cluster):
monster_type.append([])
n = 0
for i in labels.tolist():
name = names.iloc[n]['name']
monster_type[i].append(name)
n = n + 1
pprint.pprint(monster_type)
이곳은 사람들이 쉽게 볼 수 있도록 하는 성형입니다.군집수가 10이면 너무 대략적인 것 같아.참고한 글로 색 구분 표시를 했기 때문에 똑같이 표시해 보았습니다.
https://qiita.com/maskot1977/items/34158d044711231c4292
# https://www.color-site.com/separate_hues
color_codes = {
0:'#BA7836',
1:'#ADBA36',
2:'#5EBA36',
3:'#36BA5E',
4:'#36BAAD',
5:'#3678BA',
6:'#4336BA',
7:'#9236BA',
8:'#BA3692',
9:'#BA3643',
}
colors = [color_codes[x] for x in labels]
import matplotlib.pyplot as plt
from pandas import plotting
plotting.scatter_matrix(
df[df.columns[1:]],
figsize=(6,6),
color=colors,
alpha=0.8,
diagonal='kde'
)
plt.show()
데이터 집합을 아래에 놓고 시도하려면git clone을 사용하십시오.
Reference
이 문제에 관하여(용감한 자가 용과 싸우는 워커의 괴물을 k-means로 모아보자.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/usop4/items/b7edebc20033e4bcee67텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)