Podsumowanie: Światła miasta

Część sekcji Uczenie nienadzorowane ścieżki Machine Learning w Coddy. Lekcja 23 z 51.

Wyzwanie

Średni

Pamiętasz mapę doliny z DBSCAN? Teraz utworzysz własną. Satelita sfotografował nocą dolinę; podziel jej światła na miejscowości i znajdź te samotne: farmy, latarnię morską, kampera. Program odczytuje eps w km.

Uruchom DBSCAN z tym eps i min_samples=5.
Wyświetl liczbę miejscowości, liczbę samotnych świateł oraz wielkość największej miejscowości.
Utwórz mapę: każda miejscowość jako osobny wykres punktowy z etykietą town of N lights, samotne światła jako szare znaczniki x z etykietą lone lights, oraz legenda. Wyświetl mapę.

Dla innej doliny i eps 1.3:

Towns: 3
Lone lights: 10
Biggest town: 77 lights

Wykres zatytułowany Valley at Night: długa, zakrzywiona miejscowość z 77 światłami, okrągła miejscowość z 47 światłami i wioska z 20 światłami, każda w innym kolorze, oraz 10 samotnych świateł oznaczonych szarymi znakami x, z legendą

Coddy opisuje twoją mapę. Następnie wypróbuj eps 5: które miejscowości się połączą?

Spróbuj swoich sił

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN

# Nocne zdjęcie doliny wykonane przez satelitę: jeden wiersz na każde światło, położenie w km
lights = pd.read_csv("lights.csv")
X = np.column_stack([lights["east_km"], lights["north_km"]])
eps = float(input())

fig, ax = plt.subplots()
ax.set_title("Valley at Night")
ax.set_xlabel("East (km)")
ax.set_ylabel("North (km)")

# Napisz swój kod poniżej