Data Science and Machine Learning - #35 K Means Clustering

Na aula de hoje aprenderemos como trabalhar com algorítimos não supervisionados, ou seja, aqueles onde não temos nenhum dado de parâmetro.

K Means Clustering

Neste tutorial vamos trabalhar com dataset de faculdades americanas.

Caso queira, pode baixar o dataset clicando aqui.

Importando Módulos

Vamos começar importando os módulos necessários:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.cluster import KMeans
from sklearn.model_selection import train_test_split, GridSearchCV,cross_val_score
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report, confusion_matrix
%matplotlib inline

Importano e Preparando Dados

df = pd.read_csv("faculdades.csv")
df.head()

idCat, cat = pd.factorize(df['private'])
idCat
#private = 0 public = 1
df['typeCollege'] = idCat

del df['private']

df.head()

Análise Exploratória

Vamos fazer uma pequena análise exploratória dos nossos dados:

df.info()

df.describe()

sns.countplot(x='typeCollege',data=df)

Ajustando e fazendo previsões

Vamos agora ajustar o nosso modelo e fazer previsões sobre as faculdades americanas:

ins = KMeans()
ins.fit(df)
ins.labels_

Testando o Desempenho

Vamos verificar o desempenho do nosso algorítimo para o conjunto de dados:

print(classification_report(df['typeCollege'],ins.labels_))

print(confusion_matrix(df['typeCollege'],ins.labels_))

Por hoje é só! Sucesso nos códigos e na vida!