在 FIFA 20 将技能相似球员进行分组（1）：K-均值聚类
引言
足球（欧洲足球）从小就是我最喜欢的运动之一。过去无论我去哪里，都会随身带着足球，这样我就能最大限度地利用踢足球的机会。
我也喜欢玩电脑游戏《FIFA 足球世界》，我觉得，用机器学习来分析 FIFA 中的球员是一件很酷的事情。
在本教程中，我将使用 K-均值（K-Means）聚类算法在 FIFA 20 将技能相似的球员进行分组。
了解聚类
聚类（Clustering）是无监督学习技术的一种（另一种是主成分分析）。
我们可以将观测值聚类（或分组）到相同的子组中，使子组内的观测值彼此相当相似，而不同子组中的观测值彼此相当不同。
聚类示例。
上面的散点图显示了数据集中有三个不同的组。
了解 K-均值聚类算法
K-均值聚类算法是聚类算法中的一种。
基本算法如下：
- 指定 K-聚类并初始化随机质心。
- 进行迭代，直到聚类分配停止更改。该方法将每个观测值精确地分配到 K 个聚类中的一个。
- 对于每个 K 聚类，计算聚类平均值。
- 继续查看观测值列表，并将观测值分配给平均值最接近的聚类。
其目的是形成聚类，使同一聚类内的观测值尽可能相似。
K-均值聚类算法使用平方欧几里得距离计算相似度。
数据集
我们将使用 Kaggle 的 FIFA 20 数据集。
特征工程
我们只会选择数值和每个球员的名字。
df = df[['short_name','age', 'height_cm', 'weight_kg', 'overall', 'potential',
'value_eur', 'wage_eur', 'international_reputation', 'weak_foot',
'skill_moves', 'release_clause_eur', 'team_jersey_number',
'contract_valid_until', 'nation_jersey_number', 'pace', 'shooting',
'passing', 'dribbling', 'defending', 'physic', 'gk_diving',
'gk_handling', 'gk_kicking', 'gk_reflexes', 'gk_speed',
'gk_positioning', 'attacking_crossing', 'attacking_finishing',
'attacking_heading_accuracy', 'attacking_short_passing',
'attacking_volleys', 'skill_dribbling', 'skill_curve',
'skill_fk_accuracy', 'skill_long_passing', 'skill_ball_control',
'movement_acceleration', 'movement_sprint_speed', 'movement_agility',
'movement_reactions', 'movement_balance', 'power_shot_power',
'power_jumping', 'power_stamina', 'power_strength', 'power_long_shots',
'mentality_aggression', 'mentality_interceptions',
'mentality_positioning', 'mentality_vision', 'mentality_penalties',
'mentality_composure', 'defending_marking', 'defending_standing_tackle',
'defending_sliding_tackle', 'goalkeeping_diving',
'goalkeeping_handling', 'goalkeeping_kicking',
'goalkeeping_positioning', 'goalkeeping_reflexes']]我提取的是总成绩高于 86 分的球员，因为我们不想使用 18000 多名球员进行分组。
df = df[df.overall > 86] # extracting players with overall above 86将空值替换为平均值。
df = df.fillna(df.mean())归一化（标准化/缩放）数据。
- 我们希望将数据进行归一化，因为变量是在不同尺度上测量的。
from sklearn import preprocessing
x = df.values # numpy array
scaler = preprocessing.MinMaxScaler()
x_scaled = scaler.fit_transform(x)
X_norm = pd.DataFrame(x_scaled)使用主成分分析将图中的 60 个维度减少到 2 个。
from sklearn.decomposition import PCA
pca = PCA(n_components = 2) # 2D PCA for the plot
reduced = pd.DataFrame(pca.fit_transform(X_norm))执行 K-均值聚类
我们将指定有5个聚类。
from sklearn.cluster import KMeans
# specify the number of clusters
kmeans = KMeans(n_clusters=5)
# fit the input data
kmeans = kmeans.fit(reduced)
# get the cluster labels
labels = kmeans.predict(reduced)
# centroid values
centroid = kmeans.cluster_centers_
# cluster values
clusters = kmeans.labels_.tolist()通过添加球员的名字和他们的聚类来创建一个新的数据帧。
reduced['cluster'] = clusters
reduced['name'] = names
reduced.columns = ['x', 'y', 'cluster', 'name']
reduced.head()K-均值聚类图的可视化
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
sns.set(style="white")
ax = sns.lmplot(x="x", y="y", hue='cluster', data = reduced, legend=False,
fit_reg=False, size = 15, scatter_kws={"s": 250})
texts = []
for x, y, s in zip(reduced.x, reduced.y, reduced.name):
texts.append(plt.text(x, y, s))
ax.set(ylim=(-2, 2))
plt.tick_params(labelsize=15)
plt.xlabel("PC 1", fontsize = 20)
plt.ylabel("PC 2", fontsize = 20)
plt.show()K-均值聚类
看看基于球员位置的聚类是如何形成的，是不是很酷！
我希望本教程对你有所启发，敬请关注下一篇教程！
作者介绍：
Jaemin Lee，专攻数据分析与数据科学，数据科学应届毕业生。
原文链接：
- 发表于:
- 本文为 InfoQ 中文站特供稿件
- 首发地址：https://www.infoq.cn/article/b5THqc54suBNOTITcB6o
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
