Machine Learning and Deep Learning Laboratory 1 Python clustering report

---

Machine Learning and Deep Learning 
 
Laboratory 1 
Python clustering report 
 
 
 
 
 
 
 
 
WSB University
Laura Rakhimberdina ID 45069
Sabahaddin Mirzayev ID 44926 
Botirjon Yokubjonov ID 44699 
Ida Godwin Ogah ID 45086 
Students of the third semester - 
Master’s degree 
 
Computer Science 
–
 International 
 
 
Python clustering 
 

---

1.
Generate an example set of points on a plane (10,000 points), and then 
present it graphically 
pd.options.display.max_columns = 30 
X, y_true = make_blobs(n_samples=1000, centers=3, cluster_std=0.99, 
random_state=3042019) 
df = pd.DataFrame(X, columns = ['f1', 'f2']) 
df.head() 
sns.lmplot(data=df, x='f1', y='f2', fit_reg=False, scatter_kws={"color": 
"#eb6c6a"}).set(title = 'Random Data Set') 
plt.show() 

---

2. Using the k-means algorithm, on the basis of the generated data set, present 
the operation of the clustering algorithm. How were the individual points 
divided? 
kmeans = KMeans(n_clusters=3) 
kmeans.fit(df) 
y_kmeans = kmeans.predict(df) 
df['sklearn_cluster'] = y_kmeans 
sklearn_centers = kmeans.cluster_centers_ 
sns.lmplot(data=df, x='f1', y='f2', fit_reg=False, hue = 'sklearn_cluster', palette = 
['#eb6c6a', '#6aeb6c', '#6c6aeb']).set(title='Detected groups') 
plt.scatter(sklearn_centers[:, 0], sklearn_centers[:, 1], c='black', s=100, 
alpha=0.5) 
plt.show() 

---

3. Present the code that allows you to import data into DataFrames from an 
excel file 
customer_data_file = 'C:/Users/msebo/OneDrive/Desktop/NWSP2.xlsx' 
customers = pd.read_excel(customer_data_file, 
sheet_name='Arkusz1', 
header=0, 
index_col=False, 
keep_default_na=True 
) 
customers.head() 

---

4. Run the clustering algorithm on real data

---

5. Show the relationship between the clusters obtained and the values of the 
coefficients in the job column. 
kmeansCl = KMeans(n_clusters=3) 
kmeansCl.fit(customers) 
y_kmeans = kmeansCl.predict(customers) 
customers['sklearn_cluster'] = y_kmeans 
sklearn_centers = kmeansCl.cluster_centers_ 
sns.lmplot(data=customers, x='Job', y='Nwsp', fit_reg=False, hue = 
'sklearn_cluster', palette = ['#eb6c6a', '#6aeb6c', '#6c6ceb', '#ebdc6a', 
'#6aebec', '#6cfaeb', '#eb6a6a', '#6beb6c', '#6ffaeb', '#eb6cba', '#6aae6c', 
'#6c6ffb']).set(title='Wizualizacja grup') 
plt.scatter(sklearn_centers[:, 0], sklearn_centers[:, 1], c='black', s=100, 
alpha=0.5) 
plt.show()