编程实现“西瓜数据集 4.0”中样本个数的统计；

假设“西瓜数据集 4.0”存储在一个名为“watermelon.csv”的CSV文件中，包含了多行数据，每行数据代表一个西瓜的属性以及其是否为好瓜的标签。那么可以通过以下Python代码实现样本个数的统计：

import csv

filename = 'watermelon.csv'
count = 0

with open(filename, 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    header = next(reader)  # 跳过表头
    for row in reader:
        count += 1

print('样本个数为：', count)

解释一下代码的作用：

1. 首先导入CSV文件读取的模块`csv`。
2. 指定“watermelon.csv”为待读取的文件，同时设置计数器`count`初始值为0。
3. 使用`with`关键字打开文件，指定读取模式（`'r'`）和编码方式（`'utf-8'`）。
4. 利用`csv.reader`函数创建一个CSV读取器对象`reader`。
5. 使用`next`函数跳过第一行表头，从第二行开始循环遍历每一行数据。
6. 在循环中，每遍历一行数据，就将计数器值加一。
7. 循环结束后，打印输出样本个数即可。

值得注意的是，这里没有考虑输入文件的格式和内容是否合法，也没有对异常情况进行处理。在实际项目中，这些问题需要进行更严格的处理。

相关问题

用西瓜数据集4.0采用 sklearn 中的 AgglomerativeClustering

算法进行聚类，可视化聚类结果并说明聚类性能如何？

首先，我们需要导入必要的库和数据集：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import AgglomerativeClustering
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.metrics import silhouette_score
from sklearn.datasets import make_blobs

X, y = make_blobs(n_samples=150, n_features=2, centers=3, random_state=42)

接着，我们对数据进行标准化和降维：

scaler = StandardScaler()
X_std = scaler.fit_transform(X)

pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_std)

然后，我们使用 AgglomerativeClustering 算法进行聚类：

model = AgglomerativeClustering(n_clusters=3, linkage='ward')
model.fit(X_std)

最后，我们可视化聚类结果：

plt.scatter(X_pca[:, 0], X_pca[:, 1], c=model.labels_)
plt.title('AgglomerativeClustering with PCA')
plt.show()

下图是聚类可视化结果：


我们可以看到，AgglomerativeClustering 算法成功将数据集分成了三个簇，并且每个簇都被正确地聚集在一起。为了评估聚类性能，我们可以使用轮廓系数（silhouette score）指标：

silhouette_score(X_std, model.labels_)

轮廓系数的取值范围是[-1, 1]，越接近1表示聚类效果越好。在本例中，轮廓系数为0.59，说明 AgglomerativeClustering 算法的聚类性能良好。

试采用 sklearn 中的 KMeans 实现西瓜数据集4.0的k均值算法的学习过程。

好的，首先我们需要载入所需的库和数据集。这里我使用的是自带的西瓜数据集4.0。

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

data = pd.read_csv('watermelon_4.csv')
X = data.iloc[:,1:3].values

接下来，我们可以设置 K 值，即聚类的个数。这里我设置为 3。

k = 3

然后，我们可以使用 KMeans 函数进行训练。这里我设置了 n_init=10，表示进行 10 次不同的初始化，选择最好的一次结果作为最终结果。同时，设置 random_state=0，保证每次运行的结果相同。

kmeans = KMeans(n_clusters=k, n_init=10, random_state=0).fit(X)

训练结束后，我们可以输出每个样本所属的聚类结果。

labels = kmeans.labels_
print(labels)

最后，我们可以将聚类结果可视化。不同颜色的点表示不同的聚类结果。

import matplotlib.pyplot as plt

colors = ['r', 'g', 'b']
for i in range(k):
    plt.scatter(X[labels==i,0], X[labels==i,1], c=colors[i])
plt.show()

完整代码如下：

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

data = pd.read_csv('watermelon_4.csv')
X = data.iloc[:,1:3].values

k = 3

kmeans = KMeans(n_clusters=k, n_init=10, random_state=0).fit(X)

labels = kmeans.labels_
print(labels)

colors = ['r', 'g', 'b']
for i in range(k):
    plt.scatter(X[labels==i,0], X[labels==i,1], c=colors[i])
plt.show()