AI：PYTHON - KMEANS聚类实践 - 根据成绩等特征进行分班

最新推荐文章于 2022-11-18 15:38:21 发布

云淡风清orz

最新推荐文章于 2022-11-18 15:38:21 发布

阅读量1.4k

点赞数

分类专栏： AI 文章标签： AI 聚类 KMEANS PYTHON

本文链接：https://blog.csdn.net/weixin_40904071/article/details/89852332

版权

本文介绍了使用Python的KMeans算法进行聚类的方法，以成绩等特征将学生分班。数据预处理后，模型训练并展示了成绩相近的学生被分配到同一班级的结果。然而，由于数据量小，未能准确识别出有相似经历的同学在同一班级，且班级规模不均等问题。文章附带了代码示例。

摘要由CSDN通过智能技术生成

聚类是大家经常需要解决的问题，运用PYTHON -> KMEANS实现聚类非常简单。以下就是一个实例告诉大家如何简单的进行聚类，并且展示聚类结果。本文的数据源来自百度文库：https://wenku.baidu.com/view/eb73005f9b6648d7c1c746db?from=search

聚类三个步骤：

数据预处理
模型训练
结果展示

结果展示：

成绩相近的同学被分到一个班级。通过数据校验，左上角的绿色区域是成绩最差的班级。?
分班图

存在问题：

这些存在的问题，会在之后的练习中解决。

原本是希望有相似经历的同学能分到一个班级（相同班级，相同考场）。但是由于数据过小，未被模型成功识别。
原本希望分班后，每个班级大小相近。但是也未实现。

代码展示：

import  pandas as pd
import math
from sklearn.cluster import KMeans
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt

inputfile = '.\data\EXAMSCORE.csv'
outputfile = '.\data\class_res.csv'

exam_score_data = pd.read_csv(inputfile)

# print(exam_score_data.keys())

### 1. 数据预处理
exam_score_data = exam_score_data.drop(columns=['座号','姓名','综合','总分','年序'])

exam_score_data = exam_score_data.applymap(lambda x: