Récapitulatif : zones de livraison

Fait partie de la section Apprentissage non supervisé du Journey Machine Learning de Coddy. Leçon 10 sur 51.

Défi

Facile

Tu te souviens de la carte des zones présentée au début de ce chapitre ? Maintenant, dessine la tienne. La camionnette d'une boulangerie dessert 150 arrêts, et stops.csv stocke la coordonnée est en km, mais la coordonnée nord en mètres.

Normalise les deux colonnes.
Pour k de 2 à 7, ajuste KMeans aux lignes normalisées ; affiche son inertie (1 décimale) et son score de silhouette (3 décimales). Puis affiche le k ayant le meilleur score de silhouette.
Représente les zones de ce k en unités réelles : les arrêts de chaque zone étiquetés avec leur nombre, comme 50 stops, une étoile noire à la moyenne de chaque zone et une légende.

Pour une autre ville :

k = 2: inertia 109.5, silhouette 0.535
k = 3: inertia 22.8, silhouette 0.737
k = 4: inertia 18.3, silhouette 0.597
k = 5: inertia 14.5, silhouette 0.443
k = 6: inertia 12.7, silhouette 0.368
k = 7: inertia 11.2, silhouette 0.364
Zones: 3

et sa carte :

Une carte intitulée Zones de livraison, avec la coordonnée est en km sur l'axe horizontal et la coordonnée nord en mètres sur l'axe vertical : trois zones d'arrêts, 45 en bas à gauche, 40 en haut à droite, 25 en bas à droite, chacune avec une étoile noire en son centre et une légende indiquant chaque zone par son nombre d'arrêts

Ensuite, Coddy décrit ta carte.

Essayez vous-même

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import silhouette_score

# Une ligne par arrêt de livraison : est en km, nord en mètres (l’unité de l’ancien système)
stops = pd.read_csv("stops.csv")
X = stops[["east_km", "north_m"]]

fig, ax = plt.subplots()
ax.set_title("Delivery Zones")
ax.set_xlabel("East (km)")
ax.set_ylabel("North (m)")

# Écrivez votre code ci-dessous