МИНОБРНАУКИ РОССИИ

Санкт-Петербургский государственный

электротехнический университет

«ЛЭТИ» им. В.И. Ульянова (Ленина)

Кафедра ИС

отчет

по лабораторной работе № 2

по дисциплине «Машинное обучение»

Тема: Кластеризация методом K-Means

Студентка гр. 3352

________________

Гареева К.Р.

Преподаватель

________________

Молдовян Д.Н.

Санкт-Петербург

2025

Общие сведения

Предметная область: Строительные материалы и инженерия

Источник данных: Данные собраны с помощью лабораторных экспериментов, где измерялась прочность бетона на сжатие через 28 дней для различных комбинаций ингредиентов. Ссылка на источник: Concrete Compressive Strength.

Характер данных: Реальные данные. Таблица содержит числовые признаки состава бетона и метку - прочность на сжатие. Каждая строка - это один экспериментальный образец бетона.

Атрибуты датасета:

№	Название	Тип	Описание
1	Cement	float	Количество цемента (кг/м³)
2	Blast Furnace Slag	float	Количество шлака (кг/м³)
3	Fly Ash	float	Количество золы-уноса (кг/м³)
4	Water	float	Количество воды (кг/м³)
5	Superplasticizer	float	Количество суперпластификатора (кг/м³)
6	Coarse Aggregate	float	Количество крупного заполнителя (кг/м³)
7	Fine Aggregate	float	Количество мелкого заполнителя (кг/м³)
8	Age	float	Возраст бетона (дни)
9	Concrete Compressive Strength	float	Прочность на сжатие (МПа) — целевая переменная

Добавление нового атрибута

Программа для добавления нового атрибута:

df_kmeans = df.copy()df_kmeans['Cement/Water'] = df_kmeans['Cement'] / df_kmeans['Water']

print("Добавлен новый атрибут 'Cement/Water'")print("Первые 5 строк обновленного датасета:")display(df_kmeans.head())

Добавлен новый атрибут 'Cement/Water'

Результаты:

	Cement	Slag	Ash	Water	Plasticizer	Coarse_Agg	Fine_Agg	Age	Comp_Strength	Cement/Water
0	540.0	0.0	0.0	162.0	2.5	1040.0	676.0	28	79.986111	3.333333
1	540.0	0.0	0.0	162.0	2.5	1055.0	676.0	28	61.887366	3.333333
2	332.5	142.5	0.0	228.0	0.0	932.0	594.0	270	40.269535	1.458333
3	332.5	142.5	0.0	228.0	0.0	932.0	594.0	365	41.052780	1.458333
4	198.6	132.4	0.0	192.0	0.0	978.4	825.5	360	44.296075	1.034375

Примечание:

Новый атрибут: Cement/Water (цементно-водное отношение)​

Физический смысл:

- Ключевой параметр в технологии бетона

- Определяет прочность бетона (чем выше отношение, тем выше прочность)

- Оптимальные значения обычно в диапазоне 1.5-4.0

- Значения <1.0 могут указывать на низкокачественные смеси

Пропущенные значения

Программа:

print("Пропущенные значения:")print(df_kmeans.isnull().sum())

print(f"\nБесконечные значения в Cement_Water_Ratio: {np.isinf(df_kmeans['Cement/Water']).sum()}")

# Удалим бесконечные значенияdf_kmeans = df_kmeans[~np.isinf(df_kmeans['Cement/Water'])]print(f"Размер датасета после очистки: {df_kmeans.shape}")

Результаты:

Пропущенные значения:

Cement 0

Slag 0

Ash 0

Water 0

Plasticizer 0

Coarse_Agg 0

Fine_Agg 0

Age 0

Comp_Strength 0

Cement/Water 0

В данном датасете нет пропущенных значений.

Варианты устранения пропущенных значений предложены в лабораторной работе №1

Удаление выбросов

Программа:

def remove_outliers(df, columns):

df_clean = df.copy()

for col in columns:

Q1 = df_clean[col].quantile(0.25)

Q3 = df_clean[col].quantile(0.75)

IQR = Q3 - Q1

lower_bound = Q1 - 1.5 * IQR

upper_bound = Q3 + 1.5 * IQR

df_clean = df_clean[(df_clean[col] >= lower_bound) & (df_clean[col] <= upper_bound)]

return df_clean

columns_to_clean = ['Cement', 'Water', 'Cement/Water', 'Comp_Strength']

df_clean = remove_outliers(df_kmeans, columns_to_clean)

print(f"Размер датасета после удаления выбросов: {df_clean.shape}")

print(f"Удалено записей: {len(df_kmeans) - len(df_clean)}")

print(f"Дубликатов в данных: {df_clean.duplicated().sum()}")

Результаты:

Размер датасета после удаления выбросов: (981, 10)

Удалено записей: 49

Дубликатов в данных: 19