Gürültü Noktaları

Coddy'nin Machine Learning Journey'sinin Denetimsiz Öğrenme bölümünün bir parçası. Ders 21 / 51.

Her nokta bir kalabalığa katılmaz. DBSCAN bunları -1 olarak etiketler: gürültü. Bir parkta piknikler kalabalıkları, tek başına oturan insanlar ise gürültüyü oluşturur:

Sıkı renkli nokta gruplarından oluşan, boyutları 16, 12, 20 ve 14 olan dört pikniğin ve aralarına dağılmış gri x işaretleriyle gösterilen tek başına duran dokuz kişinin bulunduğu bir park haritası

İkisini de say:

labels = DBSCAN(eps=3, min_samples=4).fit_predict(X)
print((labels == -1).sum())
print(labels.max() + 1)

Bu, 9 ve 4 değerlerini yazdırır. Gürültü -1’dir, bu nedenle en büyük etiket hâlâ kalabalıkları sayar.

Gürültü bir başarısızlık değildir. Çoğu zaman tek başına kalan noktalar asıl hikâyeyi anlatır: patikadan çıkan bir yürüyüşçü, diğerlerinden farklı bir ölçüm.

Görev

Orta

Ren geyikleri GPS tasmaları takar. Sürüler kalabalıktır; yalnız bir ren geyiği kaybolmuş veya yaralanmış olabilir, bu yüzden çoban önce onları ziyaret eder. Başlangıç kodu, girdiden okunan min_samples ile DBSCAN'i çalıştırır.

Kaç sürü olduğunu yazdır.
Kaç ren geyiğinin yalnız olduğunu yazdır.
Kontrol etmek için etiketlerini liste olarak yazdır.

Başka bir çobanın tasmaları için:

Herds: 2
Lone reindeer: 3
Check on: ['R011', 'R027', 'R040']

Daha büyük bir min_samples dene: daha katı bir kalabalık kuralı daha fazla ren geyiğini yalnız bırakır.

Kendin dene

import numpy as np
import pandas as pd
from sklearn.cluster import DBSCAN

# Şafak vakti GPS tasmaları: her ren geyiğinin etiketi ve km cinsinden konumu
reindeer = pd.read_csv("reindeer.csv")
X = np.column_stack([reindeer["east_km"], reindeer["north_km"]])
min_samples = int(input())
labels = DBSCAN(eps=0.6, min_samples=min_samples).fit_predict(X)

# Kodunuzu aşağıya yazın