扫码阅读
手机扫码阅读
手把手教你用机器学习进行数据分析-聚类分析

我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。

一个数据人的自留地
扫码关注公众号
数据人学习平台上线摘要
作者介绍: Claire,数据分析师,美剧爱好者,数据人创作者联盟成员,分享有关Python Pandas及机器学习/数据分析的知识。
本文主要面向具有Python Pandas基础、对机器学习/数据分析感兴趣的读者。文中提及,如反响良好,作者会考虑出系列文章。
项目背景
本项目使用美国社区犯罪数据,共2215行,每行代表一个社区,包含人口特征、经济情况、执法数据和犯罪率。目的是通过机器学习的聚类算法对社区犯罪率进行分类,以便做出居住地选择或警力分配等决策。
解决方案
采用K-means clustering算法解决分类问题。面临的挑战包括维度诅咒、过拟合、计算复杂度增加和可解释性降低等。采取特征选择和特征降维技术应对这些挑战。
数据分析难点
- 处理147列中的缺失值和过多的特征问题。
- 选取聚类算法中最常用的K-means。
- 特征选择和降维以应对维度诅咒和减少计算复杂度。
数据清理
数据清理步骤包括处理缺失值、移除无关列、处理异常值和偏斜度以及标准化处理。
特征降维
利用主成分分析(PCA)进行降维,保留20个主成分以解释95%的数据方差,并为聚类算法做准备。
K-均值聚类
通过肘部方法确定最佳簇数为4。利用K-均值算法对社区进行划分,并通过轮廓分数评估聚类结果质量。各簇的特征分析显示了不同社区群体的特点,并通过可视化图表呈现。
文章结尾,作者鼓励读者点赞、收藏、转发和评论,并推荐书籍《数据产品经理修炼手册:从零基础到大数据产品实践》。
想要了解更多内容?

一个数据人的自留地
扫码关注公众号
一个数据人的自留地的其他文章
用户体验,能不能用数据说话,别说“我感觉…”
用户体验的确是一门玄学,有很多不确定性,就像 iPod 造出来之前,可能只有乔布斯觉得这玩意儿会火。
数据可视化项目实施避坑指南
本文主要针对实施流程的关键任务、典型问题以及项目管理知识的讲解,为大家提供一些思路。
浅谈AI给业务和数据带来的影响
数据人学习平台上线了:www.shujurenclub.com 作者介绍 @阿泱一个热爱数据产品的工
读书会第十期 |《数据产品经理:解决方案与案例分析》(上)
读书会第十期(最后一期)话题内容分享:我们如何通过改善读书的方式来更有效率的提高自己?大家一起来看看吧~
【Talk 第1期】未来五年哪些行业比较有前景?(上)
数据人自留地第一期圆桌会议精彩回顾
加入社区微信群
与行业大咖零距离交流学习


PMO实践白皮书
白皮书上线
白皮书上线