Revisão: Luzes da Cidade

Parte da seção Aprendizado não supervisionado do Journey de Machine Learning da Coddy. Lição 23 de 51.

Desafio

Médio

Lembra do mapa do vale com DBSCAN? Agora você vai criar um. Um satélite fotografou um vale à noite; agrupe as luzes em cidades e encontre as isoladas: fazendas, um farol, um trailer. O programa lê eps em km.

Execute o DBSCAN com esse eps e min_samples=5.
Imprima o número de cidades, o número de luzes isoladas e o tamanho da maior cidade.
Faça o mapa: cada cidade em seu próprio gráfico de dispersão, com o rótulo town of N lights; luzes isoladas como marcas x cinzas, com o rótulo lone lights; e uma legenda. Mostre o gráfico.

Para outro vale e eps 1.3:

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

Um gráfico intitulado Valley at Night: uma cidade longa e curva com 77 luzes, uma cidade redonda com 47 e um vilarejo com 20, cada um em sua própria cor, e 10 luzes isoladas representadas por marcas x cinzas, com uma legenda

O Coddy descreve seu mapa. Depois, experimente eps 5: quais cidades se fundem?

Experimente você mesmo

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

# Foto noturna de um vale feita por satélite: uma linha por luz, posição em 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)")

# Escreva seu código abaixo