خوشه بندی داده های مکانی

چندی پیش شرکت اوبار که در زمینه ارسال سفارشات و حمل بار آنلاین در ایران فعالیت می کند یک مسابقه یادگیری ماشین در کگل برگزار کرد که در آن به صورت خلاصه هدف آن این بود که با استفاده از یک مجموعه از اطلاعات و متغیرهای مکانی مثل استان مبدا و مقصد و غیرمکانی مثل وزن بار و نوع وسیله قیمت بارهای حمل شده در سطح ایران به درستی پیش بینی شود تا بر اساس این پیش بینی یک سیاست گذاری ثابت برای قیمت گذاری بارها پیاده سازی شود.

یک خوشه بندی با روش kmeans روی مختصات جغرافیایی مبدا و مقصد پیاده شده است. تعداد خوشه های بهینه برابر 5 به دست آمده است.

کدها به صورت کامل آمده است:

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

%matplotlib inline

import sklearn.cluster as cluster

import time

import warnings

warnings.filterwarnings(&quotignore&quot)
ubaar = pd.read_csv(&quottrain.csv.zip&quot)

ubaar.head()
df1 =ubaar[['sourceLatitude','sourceLongitude']]

df1.columns = ['Latitude','Longitude']

df2 =ubaar[['destinationLatitude','destinationLongitude']]

df2.columns = ['Latitude','Longitude']
frames = [df1,df2]

df = pd.concat(frames)
df.isnull().sum()
df.describe()
X = df.values
sns.set_style(&quotdarkgrid&quot, {&quotaxes.facecolor&quot: &quot.9&quot})
fig = plt.figure(figsize=(12,8))

from sklearn.cluster import KMeans

sse = []

for k in range(2,15):

    kmeans = KMeans(n_clusters = k)

    kmeans.fit(X)

    sse.append(kmeans.inertia_)

plt.plot(range(2,15),sse)

plt.title(&quotElbow Curve&quot)

plt.show()
kmeans = KMeans(n_clusters = 5).fit(X)

centroids = kmeans.cluster_centers_
plt.scatter(X[:,0],X[:,1], c = kmeans.labels_, cmap = &quotrainbow&quot)

plt.show()