引言
足球（歐洲足球）從小就是我最喜歡的運動之一。過去無論我去哪裏，都會隨身帶着足球，這樣我就能最大限度地利用踢足球的機會。
我也喜歡玩電腦遊戲《FIFA 足球世界》，我覺得，用機器學習來分析 FIFA 中的球員是一件很酷的事情。
在本教程中，我將使用 K-均值（K-Means）聚類算法在 FIFA 20 將技能相似的球員進行分組。
瞭解聚類
聚類（Clustering）是無監督學習技術的一種（另一種是主成分分析）。
我們可以將觀測值聚類（或分組）到相同的子組中，使子組內的觀測值彼此相當相似，而不同子組中的觀測值彼此相當不同。
聚類示例。
上面的散點圖顯示了數據集中有三個不同的組。
瞭解 K-均值聚類算法
K-均值聚類算法是聚類算法中的一種。
基本算法如下：
- 指定 K-聚類並初始化隨機質心。
- 進行迭代，直到聚類分配停止更改。該方法將每個觀測值精確地分配到 K 個聚類中的一個。
- 對於每個 K 聚類，計算聚類平均值。
- 繼續查看觀測值列表，並將觀測值分配給平均值最接近的聚類。
其目的是形成聚類，使同一聚類內的觀測值儘可能相似。
K-均值聚類算法使用平方歐幾里得距離計算相似度。
數據集
我們將使用 Kaggle 的 FIFA 20 數據集。
特徵工程
我們只會選擇數值和每個球員的名字。
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']]
我提取的是總成績高於 86 分的球員，因爲我們不想使用 18000 多名球員進行分組。
df = df[df.overall > 86] # extracting players with overall above 86
將空值替換爲平均值。
df = df.fillna(df.mean())
歸一化（標準化/縮放）數據。
- 我們希望將數據進行歸一化，因爲變量是在不同尺度上測量的。
from sklearn import preprocessing
x = df.values # numpy array
scaler = preprocessing.MinMaxScaler()
x_scaled = scaler.fit_transform(x)
X_norm = pd.DataFrame(x_scaled)
使用主成分分析將圖中的 60 個維度減少到 2 個。
from sklearn.decomposition import PCA
pca = PCA(n_components = 2) # 2D PCA for the plot
reduced = pd.DataFrame(pca.fit_transform(X_norm))
執行 K-均值聚類
我們將指定有5個聚類。
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()
通過添加球員的名字和他們的聚類來創建一個新的數據幀。
reduced['cluster'] = clusters
reduced['name'] = names
reduced.columns = ['x', 'y', 'cluster', 'name']
reduced.head()
K-均值聚類圖的可視化
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-均值聚類
看看基於球員位置的聚類是如何形成的，是不是很酷！
我希望本教程對你有所啓發，敬請關注下一篇教程！
作者介紹：
Jaemin Lee，專攻數據分析與數據科學，數據科學應屆畢業生。
原文鏈接：