エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Python:クラスタリング分析 : 分析技術とビジネスインテリジェンス
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Python:クラスタリング分析 : 分析技術とビジネスインテリジェンス
Python Orangeを用いたクラスタリング分析についてまとめる。クラスタリング分析はアンケートの回答デー... Python Orangeを用いたクラスタリング分析についてまとめる。クラスタリング分析はアンケートの回答データや、顧客行動データのパターン抽出などによく用いていた。データに存在するいくつかのパターンを感じられるだけでも実務では安心できるので、特に初期分析で重宝している。 ■ライブラリ >>> import Orange ■分析データ >>> adult = Orange.data.Table('./data/adult.txt') #質的変数混在でも欠損データがあっても処理可能 ■クラスタ分析の実施 まずは、クラスタ数3、初期重心をランダム(デフォルトのため特にコーディング不要)としてKmeansを実施をした。 >>> km = Orange.clustering.kmeans.Clustering(adult, centroids = 3) >>> print km.clusters[