Kmeans算法应用（加拿大森林火灾为例）

最新推荐文章于 2024-08-05 10:55:11 发布

zhanglijie__1

最新推荐文章于 2024-08-05 10:55:11 发布

阅读量1.2k

点赞数 1

本文链接：https://blog.csdn.net/zhanglijie__1/article/details/100876288

版权

本文探讨了Kmeans算法如何应用于加拿大森林火灾的预测。通过分析FFMC、DMC、ISI、DC和PH等关键指标，评估火灾发生的潜在风险。雷达图显示了火灾等级，其中customer4的等级较低，代表火灾可能性较小。

摘要由CSDN通过智能技术生成

FFMC:细小可燃物含水量，（最大值为101，含水率为0，当数值为100时表示可燃物的含水率为0）

DMC:地表可燃物含水率（为0时含水率为100%）

ISI:火灾蔓延潜在等级

DC:干旱码，森林地被物中得含水率

PH:相对湿度

代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans #引入sklearn模块里的机器学习算法Kmeans


class FireData():

    def detectDate(self,filePath):
        '''
        探索数据
        :param filePath: 文件路径
        :return:
        '''
        df = pd.read_csv(filePath)
        describe = df.describe(include='all')#同合计数据
        print(describe.T)
        df.to_excel('data/fire_data.xls')
        pass

    def chooseData(self,filePath):
        df = pd.read_excel('data/fire_data.xls')
        df = df[['FFMC','DMC','DC','ISI','temp','RH','wind','area']]
        df.to_excel('data/fire_c