Lab10 - Aprendizado não supervisionado - Atividade de clusterização

2. Aprendizagem de máquina¶

Objetivos¶

• Praticar os algoritmos de clusterização

Análise de crédito do cartão de credito¶

Realizar uma análise exploratória na base de dados de clientes afim de categorizar a quantidade de perfis

Importa libs¶

In [1]:

%matplotlib inline

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

%matplotlib inline import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.preprocessing import StandardScaler

Importa dataset¶

In [17]:

url_db= 'default of credit card clients.xls'
df = pd.read_excel(url_db, header=1)

df.head()

url_db= 'default of credit card clients.xls' df = pd.read_excel(url_db, header=1) df.head()

Out[17]:

	ID	LIMIT_BAL	SEX	EDUCATION	MARRIAGE	AGE	PAY_0	PAY_2	PAY_3	PAY_4	...	BILL_AMT4	BILL_AMT5	BILL_AMT6	PAY_AMT1	PAY_AMT2	PAY_AMT3	PAY_AMT4	PAY_AMT5	PAY_AMT6	default payment next month
0	1	20000	2	2	1	24	2	2	-1	-1	...	0	0	0	0	689	0	0	0	0	1
1	2	120000	2	2	2	26	-1	2	0	0	...	3272	3455	3261	0	1000	1000	1000	0	2000	1
2	3	90000	2	2	2	34	0	0	0	0	...	14331	14948	15549	1518	1500	1000	1000	1000	5000	0
3	4	50000	2	2	1	37	0	0	0	0	...	28314	28959	29547	2000	2019	1200	1100	1069	1000	0
4	5	50000	1	2	1	57	-1	0	-1	0	...	20940	19146	19131	2000	36681	10000	9000	689	679	0

5 rows × 25 columns

In [18]:

## Analise se o dataset possui dados faltantes, se sim, faça o drop dessas entradas

## Seu código aqui.....

## Analise se o dataset possui dados faltantes, se sim, faça o drop dessas entradas ## Seu código aqui.....

Descrição das colunas do dataset:

'ID', 
'LIMIT_BAL', --> Limite de crédito
'SEX', 
'EDUCATION', 
'MARRIAGE', 
'AGE', 
'PAY_0',
'PAY_2', 
'PAY_3', 
'PAY_4', 
'PAY_5', 
'PAY_6', 
'BILL_AMT1', --> dívida
'BILL_AMT2', --> dívida  
'BILL_AMT3', --> dívida 
'BILL_AMT4', --> dívida 
'BILL_AMT5', --> dívida 
'BILL_AMT6', --> dívida 
'PAY_AMT1',
'PAY_AMT2', 
'PAY_AMT3', 
'PAY_AMT4', 
'PAY_AMT5', 
'PAY_AMT6',
'default payment next month'

Criando um subset¶

In [ ]:

## Crie uma nova coluna que soma todas as colunas de dívidas 

## Seu código aqui.....

## Crie uma nova coluna que soma todas as colunas de dívidas ## Seu código aqui.....

In [ ]:

## Selecione as colunas de limite de crédito e divida total 

#data = df.iloc[:,[,]].values
#data;

## Selecione as colunas de limite de crédito e divida total #data = df.iloc[:,[,]].values #data;

In [21]:

## Como estamos trabalhos com algoritmos de distância, é importante e recomendavel que os dados sejam normalizados
## seu código de normalização...

## Como estamos trabalhos com algoritmos de distância, é importante e recomendavel que os dados sejam normalizados ## seu código de normalização...

Quantidade de k cluster¶

Escolha uma técnica dada em aula para inicializar o Kmeans. Poder ser a técnica Elbow ou dendrograma.

---

wcss = within-cluster sum of squares = soma dos quadrados intra-clusters

wcss = []
K = range(1,12)

for k in K:
  km = KMeans(n_clusters=k)
  km = km.fit(data_treino)
  wcss.append(km.inertia_)


plt.plot(K, wcss, "bx-", color = "grey")
plt.xlabel("k")
plt.ylabel("WCSS")
plt.title("Método do Cotovelo para k Otimizado");

In [19]:

## Seu código aqui......

## Seu código aqui......

Agrupando dados¶

Realize o agrupamento utilizando Kmeans e Agnes e compare os resultados obtidos.

In [20]:

## Sua resposta aqui.....

## Sua resposta aqui.....

In [23]:

## Faça uma breve descrição de cada cluster obtido, o que eles indicam?

## Faça uma breve descrição de cada cluster obtido, o que eles indicam?

---

Last update: September 12, 2022