Learning Julia-Language (online mithilfe der Juliabox + offline)

Ein guter Startplatz für meine weiteren Xpeditionen in die Julia-Programmierung




Zwei Video-Tutorials

Ja, warum nicht? Machen wir's uns doch einfach mal bequem.






GitHub - JuliaComputing/JuliaBoxTutorials 
Julia (programming language) - Wikipedia

JuliaBox




+~~~~~~~~~~~~~~~+


k means ...?

 

Ich habe keine Probleme damit zuzugeben, dass meine intellektuellen Fähigkeiten nicht so weit reichen,
den Algorithmus k-means einfach so anhand der vorhandenen (vermutlich leichten) Erklärungen, wie sie zum Beispiel die Wikipedia (k-Means-Algorithmus – Wikipedia) bietet, zu verstehen.¹¹
Ich arbeite (immer noch) dran.
Aber ich komme der Sache immer/schon näher.


Code

 

# Bei Bedarf & natürlich nur einmal
# using Pkg
 # Pkg.add("DataFrames")
# Pkg.add("Plots")
#Pkg.add("Clustering")

using DataFrames
using Plots
using Clustering

plot(size=(500,500),leg=false)

X = filter_houses[[:beds,:sq__ft]]
X = convert(Array{Float64}, X)
X = X'
k = 6
C = kmeans(X,k)
df = DataFrame(cluster = C.assignments,city = filter_houses[:city],
           beds = filter_houses[:beds],
           sq__ft = filter_houses[:sq__ft],
           zip = filter_houses[:zip])
clusters_figure = plot()
for i = 1:k
           clustered_houses = df[df[:cluster].== i,:]
           xvals = clustered_houses[:beds]
           yvals = clustered_houses[:sq__ft]
           scatter!(clusters_figure,xvals,yvals,markersize=4)
       end
xlabel!("Betten")
ylabel!("Quadratmeter")
display(clusters_figure)

Out

 



Code

 

# Bei Bedarf & natürlich nur einmal

# using Pkg

# Pkg.add("DataFrames")

# Pkg.add("Plots")

# Pkg.add("Clustering")



using DataFrames

using Plots

using Clustering

plot(size=(500,500),leg=false)


X = filter_houses[[:sq___ft,:price]]
X = convert(Array{Float64}, X)
X = X'
k = length(unique(filter_houses[:zip]))
C = kmeans(X,k)
df = DataFrame(cluster = C.assignments,city = filter_houses[:city],
           Quadratmeter = filter_houses[:sq__ft],
           Preis = filter_houses[:price],
           zip = filter_houses[:zip])
          
clusters_figure = plot()
for i = 1:k
           clustered_houses = df[df[:cluster].== i,:]
           xvals = clustered_houses[:Quadratmeter]
           yvals = clustered_houses[:Preis]
           scatter!(clusters_figure,xvals,yvals,markersize=4)
       end
xlabel!("Quadratmeter")
ylabel!("Preis")
display(clusters_figure)

println("Errechnetes k ist: ", k)          


Out



Errechnetes k ist: 66



Oh, Entschuldigung!
In meinem (nicht hier angezeigten) Code war noch k = 6 gesetzt!
{Update: Diese Vermutung ist wohl nicht richtig. Woran es genau liegt, dass hier nur 6 Farben angezeigt werden, kann ich aber grade nicht mehr rekonstruieren.}
Es muss mit k = 66 so aussehen
{Update: Das wiederum stimmt natürlich noch.}
:




Und wenn ich das hier tue
:

Code

 

plot(size=(500,500),leg=false)


X = filter_houses[[:sq___ft,:price]]
X = convert(Array{Float64}, X)
X = X'
# k = length(unique(filter_houses[:zip]))
k = 3
C = kmeans(X,k)
df = DataFrame(cluster = C.assignments,city = filter_houses[:city],
           Quadratmeter = filter_houses[:sq__ft],
           Preis = filter_houses[:price],
           zip = filter_houses[:zip])
          
clusters_figure = plot()
for i = 1:k
           clustered_houses = df[df[:cluster].== i,:]
           xvals = clustered_houses[:Quadratmeter]
           yvals = clustered_houses[:Preis]
           scatter!(clusters_figure,xvals,yvals,markersize=4)
       end
xlabel!("Quadratmeter")
ylabel!("Preis")
display(clusters_figure)

# println("Errechnetes k ist: ", k)          
println("Gesetztes k ist: ", k)          

Passiert das
:

Out



Gesetztes k ist: 3


Moment mal!
Dann probieren wir noch kurz
k = 11

Out



Gesetztes k ist: 11


k = 6
muss so aussehen
(iwas ist da oben verkehrt gelaufen)
:

Out - "k = 6"



Gesetztes k ist: 6


Out - "k = 22"



Gesetztes k ist: 22




Zwischenfazit


Allzu viel trennt mich jetzt wohl nicht mehr vom Verständnis.
Insbesondere, da mir jetzt das
mean
wie in
by(filter_houses,:type,filter_houses->mean(filter_houses[:price]))
mehrmals unter die Augen geraten ist
,
und ich nachgeschlagen und verstanden habe,
dass damit schlicht der Durchschnitt ...
nein, falsch! ... der Mittelwert
 gemeint ist
(womit ich ja keinerlei Verständnisprobleme zu haben meine)
.

Und ausserdem scheint es mir ganz hilfreich,
dass sich (mir) hier die Frage aufdrängt:
"Wozu braucht fim diese Cluster/Clusterung überhaupt?
Die Grafik spricht doch auch ohne Clusterfärbung ausreichend für sich selbst, nicht?
Und die Zusammenrückung bei kleinem k scheint auch nicht sehr sinnvoll.
Hier noch mal schnell die Grafik für k = 8
:
"
.

Ich denke, diese Frage, die genaugenommen aus zwei Fragen und einer Bemerkung besteht, ist
iwi
wertvoll
{für das Weitere, was kommen soll(te)}
,
oder
?

Und, übrigens, wenn ich andersherum clustere,
nämlich mit
X = filter_houses[[:price,:sq___ft]]
,
dann ergibt sich
:


Die Frage nach dem Nutzen
scheint mir
- zumindest von blutigen Laien³³³ gestellt -
nicht ganz unsinnig zu sein
.



By the way - Code


by(filter_houses,:type,filter_houses->mean(filter_houses[:price]))

Out

 

┌ Warning: `getindex(sdf::SubDataFrame, colind::ColumnIndex)` is deprecated, use `sdf[!, colind]` instead.
│   caller = (::getfield(Main, Symbol("##13#14")))(::SubDataFrame{DataFrame,DataFrames.Index,Array{Int64,1}}) at REPL[293]:1
└ @ Main ./REPL[293]:1
3×2 DataFrame
│ Row │ type         │ x1        │
│     │ String⍰      │ Float64   │
├─────┼──────────────┼───────────┤
│ 1   │ Residential  │ 2.34802e5 │
│ 2   │ Condo        │ 1.34213e5 │
│ 3   │ Multi-Family │ 2.24535e5 │


Update


Ich muss iwas verkehrt machen,
jetzt erhalte ich bei abermaligem Umdrehen
zu
X = filter_houses[[:sq__ft,:price]]
das
:

Iwas stimmt mit meinem Handling noch nicht, ich exite noch einmal und starte Juli-REPL neu!

julia> exit()
xxxx:~$ julia

Und nochmal alles in einem Code:


# Bei Bedarf & natürlich nur einmal

# using Pkg

# Pkg.add("DataFrames")

# Pkg.add("Plots")

# Pkg.add("Clustering")



using DataFrames

using Plots

using Clustering

# download("http://samplecsvs.s3.amazonaws.com/Sacramentorealestatetransactions.csv","houses.csv")
houses = readtable("houses.csv")
filter_houses = houses[houses[:sq__ft].>0,:]

plot(size=(500,500),leg=false)

X = filter_houses[[:sq__ft,:price]]
X = convert(Array{Float64}, X)
X = X'
# k = length(unique(filter_houses[:zip]))
k = 8
C = kmeans(X,k)
df = DataFrame(cluster = C.assignments,city = filter_houses[:city],
           Quadratmeter = filter_houses[:sq__ft],
           Preis = filter_houses[:price],
           zip = filter_houses[:zip])
          
clusters_figure = plot()
for i = 1:k
           clustered_houses = df[df[:cluster].== i,:]
           xvals = clustered_houses[:Quadratmeter]
           yvals = clustered_houses[:Preis]
           scatter!(clusters_figure,xvals,yvals,markersize=4)
       end
xlabel!("Quadratmeter")
ylabel!("Preis")
display(clusters_figure)

# println("Errechnetes k ist: ", k)          
println("Gesetztes k ist: ", k)          

Out




Dieses war das elfte Bild.
Ein prima Grund, jetzt hiermit aufzuhören.
Und - ehrlich gesagt - nun erscheint mir meine obige Frage
allmählich doch etwas dumm. Ich habe da mehr hineininterpretieren wollen als hineinzuinterpretieren ist - mein alter Kardinalfehler (einer von vielen).
Es handelt sich um Preissegmente - so kann fim das wohl nennen -, die sich mit diesem Algorithmus in dieser Anwendung sichtbar machen lassen
- nicht mehr, nicht weniger.
Ne, ja ... dat is doch klar dann & denne.
Woll?

Hm.... oder doch nicht?

Ach, wat soll's! Bin halt ein kleiner Blödi, kommt Zeit, kommt Schlau - manchmal ...

Bild 12 zu Code





# Bei Bedarf & natürlich nur einmal

# using Pkg

# Pkg.add("DataFrames")

# Pkg.add("Plots")

# Pkg.add("Clustering")



using DataFrames

using Plots

using Clustering

# download("http://samplecsvs.s3.amazonaws.com/Sacramentorealestatetransactions.csv","houses.csv")
houses = readtable("houses.csv")
filter_houses = houses[houses[:sq__ft].>0,:]

plot(size=(500,500),leg=false)

X = filter_houses[[:price,:sq__ft]]
X = convert(Array{Float64}, X)
X = X'
# k = length(unique(filter_houses[:zip]))
k = 8
C = kmeans(X,k)
df = DataFrame(cluster = C.assignments,city = filter_houses[:city],
           Quadratmeter = filter_houses[:sq__ft],
           Preis = filter_houses[:price],
           zip = filter_houses[:zip])
          
clusters_figure = plot()
for i = 1:k
           clustered_houses = df[df[:cluster].== i,:]
           xvals = clustered_houses[:Preis]
           yvals = clustered_houses[:Quadratmeter]
           scatter!(clusters_figure,xvals,yvals,markersize=4)
       end
xlabel!("Preis")      
ylabel!("Quadratmeter")
display(clusters_figure)

# println("Errechnetes k ist: ", k)          
println("Gesetztes k ist: ", k)          






Vielleicht regt's ja nicht nur mich zum Denken an.
;-) & Sry.




¹¹ Bin halt doof, und auch garantiert unter Garantie ein bisschen meschuggi²².²²
²² 'Rhythmus vs. Algorithmus' ist mir schon 'ne harte Nuss.
³³ Onda auch meschuggi(l)li.
³³³ Warum Laien ausgerechnet blutig sein müssen, im deutschen Sprachgebrauch,
um sie als besonders laienhaft zu kennzeichnen,
entzieht sich meiner derzeitigen Kenntnis.¹¹¹
¹¹¹ Aber es lässt sich ja mal erfragen/ergooglen:




~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~


Rand-Notizili



Wer weniger Informationen pro Satz liefert,
muss schneller sprechen
:

Warum Italiener so schnell reden - science.ORF.at

Kommentare

Kommentar veröffentlichen

Beliebte Posts aus diesem Blog

·

Bild
. Der tiefste Punkt ist erreicht - und: Das bedeutet: Hoffnung »»»»»»»»»»»»»»»»»»»»»»»»»»» https://www.tagesschau.de/multimedia/sendung/tt-4763.html Aktualisiert vor 2 Stunden Dresden : Der Einheitstag als Farce Hunderte Unbelehrbare haben die Stimmung des Dresdner Einheitsfestes vergiftet. Das konnte geschehen, weil es Behörden an Sensibilität gegenüber rechtem Ungeist fehlt. Ein Kommentar von Tilman Steffen Vor 2 Stunden
Mehr anzeigen

Es brennt.

Seien wir doch ehrlich, es brennt irgendwie fast überall³³, und auch nicht erst seit gestern.* Vor G7-Gipfel: Donald Trump will in Frankreich mit fast allen reden - SPIEGEL ONLINE Brasilien: Emmanuel Macron erklärt Waldbrände zum "Notfall" - Bolsonaro wütend - SPIEGEL ONLINE Emmanuel Macron vor dem G7-Gipfel: Nach Biarritz mit Bravour - SPIEGEL ONLINE Wasserstoff: Merkel kündigt Wasserstoffstrategie für Luftfahrt an | ZEIT ONLINE Der Studium-Interessentest | ZEIT Campus Neurobiologie: Warum wir unsere Kindheitserlebnisse vergessen | ZEIT ONLINE Niedrigzinsen: Der deutsche Sparer gehört zu den Gewinnern | ZEIT ONLINE Strafzinsen: Schlecht beraten mit Markus Söder | ZEIT ONLINE Atomkraft: Diese interaktive Karte zeigt das Strahlenrisiko - SPIEGEL ONLINE Belgien: Betonprobleme bei weiteren Atommeilern - SPIEGEL ONLINE AKW GAU Simulation - Ausbreitungskarten Europa - Bild 2 - SPIEGEL ONLINE - Wirtschaft Deutschland kauft 189,5 Millionen Jodtabletten - fü
Mehr anzeigen

Bye, bye Nord Stream 2!

Bild
Nachdem, was Russland in Belarus macht (die noch nicht geklärten Dinge um Nawalny kommen wohl noch dazu), sollte Nord Stream sang- und klanglos beerdigt werden. Die Aktionen haben Folgen für sehr viele Menschen in Belarus, und das darf nicht ohne Folgen für Russland bleiben. Meine Meinung.   Opposition ist besorgt: Russland will notfalls Einsatzkräfte nach Belarus schicken | ZEIT ONLINE Belarus: Russlands Medien berichten widersprüchlich - Politik - SZ.de Zwischen den Fronten: Berichten aus Belarus | NDR.de - Fernsehen - Sendungen A-Z - ZAPP Belarus: Lukaschenko lässt russische Journalisten einfliegen | kurier.at Lukaschenka und sein Propaganda-Bruder Putin EU-Außenministertreffen: Erst Belarus, dann die Türkei Krise in Belarus: Lukaschenko bittet Russland um Polizeireserve Krise in Belarus: Tichanowskaja gegen Einmischung Russlands | tagesschau.de Nord Stream – Wikipedia Massenproteste in Belarus: Zahlreiche Festnahmen in Minsk - DER SPIEGEL    Lukaschenka hatte erkl
Mehr anzeigen