용감한 자가 용과 싸우는 워커의 괴물을 k-means로 모아보자.

7565 단어 K-meansPython
유튜브 게임 실황 등을 보며'이 괴물이 저 괴물과 닮았네'라는 발언을 들었을 때 매번 감탄했다.용자두악용워크로 몬스터를 처치하면'마음'을 거의 얻지 못하고, 이를 파악하면 HP가 높아지지만, k-means로 이 8개의 파라미터를 모으면 비슷한 일을 할 수 있지 않을까.
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.

좋은 웹페이지 즐겨찾기