Есть DataFrame, который содержит в себе такие данные:
df_scale = pd.DataFrame({"название_книги_код": [1, 1, 1, 2, 2, 3, 3, 3, 3, 4],
"век_описание": [-0.051467, -0.051467,-0.051467, -0.048411, -0.048411,
-0.173312, -0.173312, -0.173312, -0.173312, -0.040507],
"век_название_главы": [-0.084965, -0.087059, -0.088990, -0.089571, -0.089679,
-0.083948, -0.081229, -0.100679, -0.090792, 0.086691],
"значение_главы": [15, 35, 50, 50, 50, 25, 25, 25, 25, 19],
"век_навыки_текст": [-0.021923, -0.076697, -0.051627, -0.023046, -0.026204, 0.003370,
-0.103621, -0.002899, -0.115548, 0.026655]})
Необходимо кластеризировать данные так, чтобы на каждое название_книги_код
приходился один кластер. Известно, что есть 5 кластеров. Текстовые данные я уже представил в числовом формате.
Я воспользовался простым методом KMeans:
tfidf = TfidfVectorizer()
tfidf.fit(df.название_книги)
text = tfidf.transform(df.навыки_текст)
kmeans = KMeans(n_clusters=5, random_state=100).fit_predict(text)
но на предсказании выводится следующее:
in[]: kmeans
out[]: array([1, 3, 3, 1, 1, 2, 5, 5, 4, 4])
Получается так, что выводом являются кластеры, которые разнятся для название_книги_код
.
Вывод должен быть, например, такой:
in[]: kmeans
out[]: array([4, 4, 4, 1, 1, 5, 5, 5, 5, 4])
название_книги_код
, а на другой - одна из остальных фич. И вы увидите, что у вас данные очень плохо разделяются по вашей целевой фиче. Тут никакая кластеризация не справится.век_описание
легко научится по вашим данным. а все методы, которые не используют целевую переменную тут ничего не добьются с такими данными.