MỤC LỤC CHƯƠNG 1. TỔNG QUAN VỀ HỌC MÁY 2 1.1. Khái niệm về học máy: 2 1.2. Phân nhóm các thuật toán học máy 2 1.2.1 Học có giám sát (Supervised Learning) 2 1.2.2. Học phi giám sát (Unsupervised Learning)UL 3 1.2.3 Học tăng cường (reinforcement learning) 5 1.2.4 Học bán giám sát (SemiSupervised Learning) 5 1.3. Ứng dụng của học máy: 6 CHƯƠNG 2 THUẬT TOÁN KMEANS CLUSTERING TRONG BÀI TOÁN PHÂN CỤM 7 2.1 Tổng quan về thuật toán KMeans Clustering 7 2.2. Thuật toán KMeans Clustering: 8 2.2.1. Mô hình toán học: 8 2.2.2. Độ chính xác của thuật toán: 9 2.2.3. Nghiệm của thuật toán KMeans Clustering: 9 2.2.4. Tóm tắt thuật toán: 10 CHƯƠNG 3 ỨNG DỤNG THUẬT TOÁN KMEANS CLUSTERING 11 3.1. Dữ liệu wine_red_quality: 11 3.1.1. Phát biểu bài toán: 11 3.1.2. Yêu cầu: 11 3.1.3. Bộ dữ liệu: 11 3.1.4. Tiến hành phân cụm 12 3.2. Dữ liệu ramen_rating: 15 3.2.1. Phát biểu bài toán: 15 3.1.2. Yêu cầu: 15 3.1.3. Bộ dữ liệu: 16 3.1.4. Tiến hành phân cụm: 16 TÀI LIỆU THAM KHẢO 22 LỜI MỞ ĐẦU Công nghệ ngày càng phổ biến và không ai có thể phủ nhận được tầm quan trọng và những hiệu quả mà nó đem lại cho cuộc sống chúng ta. Bất kỳ trong lĩnh vực nào, sự góp mặt của trí tuệ nhân tạo sẽ giúp con người làm việc và hoàn thành tốt công việc hơn. Và gần đây, một thuật ngữ “machine learning” rất được nhiều người quan tâm.Thay vì phải code phần mềm với cách thức thủ công theo một bộ hướng dẫn cụ thể nhằm hoàn thành một nhiệm vụ đề ra thì máy sẽ tự “học hỏi” bằng cách sử dụng một lượng lớn dữ liệu cùng những thuật toán cho phép nó thực hiện các tác vụ. Đây là một lĩnh vực khoa học tuy không mới, nhưng cho thấy lĩnh vực trí tuệ nhân tạo đang ngày càng phát triển và có thể tiến xa hơn trong tương lai. Đồng thời, thời điểm này nó được xem là một lĩnh vực “nóng” và dành rất nhiều mối quan tâm để phát triển nó một cách mạnh mẽ, bùng nổ hơn. Hiện nay, việc quan tâm machine learning càng ngày càng tăng lên là vì nhờ có machine learning giúp gia tăng dung lượng lưu trữ các loại dữ liệu sẵn, việc xử lý tính toán có chi phí thấp và hiệu quả hơn rất nhiều. Những điều trên được hiểu là nó có thể thực hiện tự động, nhanh chóng để tạo ra những mô hình cho phép phân tích các dữ liệu có quy mô lớn hơn và phức tạp hơn đồng thời đưa ra những kết quả một cách nhanh và chính xác hơn. Chính sự hiệu quả trong công việc và các lợi ích vượt bậc mà nó đem lại cho chúng ta khiến machine learning ngày càng được chú trọng và quan tâm nhiều hơn. Vì vậy chúng em đã chọn đề tài ”Ứng dụng thuật toán KMeans Clustering để dự đoán chất lượng của rượu vang đỏ và điểm rating của mì ramen”để làm báo cáo. Chúng em xin chân thành gửi lời cảm ơn tới các thầy cô giáo trong Trường Đại học Điện Lực nói chung và các thầy cô giáo trong Khoa Công nghệ thông tin nói riêng đã tận tình giảng dạy, truyền đạt cho chúng em những kiến thức cũng như kinh nghiệm quý báu trong suốt quá trình học. Đặc biệt, em gửi lời cảm ơn đến Cô Phạm Thị Kim Dung đã tận tình theo sát giúp đỡ, trực tiếp chỉ bảo, hướng dẫn trong suốt quá trình nghiên cứu và học tập của chúng em.
Trang 1TRƯỜNG ĐẠI HỌC ĐIỆN LỰC
KHOA CÔNG NGHỆ THÔNG TIN
BÁO CÁO CHUYÊN ĐỀ HỌC PHẦN
NHẬP MÔN HỌC MÁY
ĐỀ TÀI:
ỨNG DỤNG THUẬT TOÁN PHÂN CỤM KMEANS CLUSTERING ĐỂ
DỰ ĐOÁN CHẤT LƯỢNG CỦA RƯỢU VANG ĐỎ VÀ RATING CỦA MÌ
RAMEN
Giảng viên hướng dẫn : PHẠM THỊ KIM DUNG
Chuyên ngành : THƯƠNG MẠI ĐIỆN TỬ
Hà Nội, tháng 12 năm 2020
Trang 2MỤC LỤC
CHƯƠNG 1 TỔNG QUAN VỀ HỌC MÁY 2
1.1 Khái niệm về học máy: 2
1.2 Phân nhóm các thuật toán học máy 2
1.2.1 Học có giám sát (Supervised Learning) 2
1.2.2 Học phi giám sát (Unsupervised Learning)-UL 3
1.2.3 Học tăng cường (reinforcement learning) 5
1.2.4 Học bán giám sát (Semi-Supervised Learning) 5
1.3 Ứng dụng của học máy: 6
CHƯƠNG 2 THUẬT TOÁN K-MEANS CLUSTERING TRONG BÀI TOÁN PHÂN CỤM 7
2.1 Tổng quan về thuật toán K-Means Clustering 7
2.2 Thuật toán K-Means Clustering: 8
2.2.1 Mô hình toán học: 8
2.2.2 Độ chính xác của thuật toán: 9
2.2.3 Nghiệm của thuật toán K-Means Clustering: 9
2.2.4 Tóm tắt thuật toán: 10
CHƯƠNG 3 ỨNG DỤNG THUẬT TOÁN K-MEANS CLUSTERING 11
3.1 Dữ liệu wine_red_quality: 11
3.1.1 Phát biểu bài toán: 11
3.1.2 Yêu cầu: 11
3.1.3 Bộ dữ liệu: 11
3.1.4 Tiến hành phân cụm 12
3.2 Dữ liệu ramen_rating: 15
3.2.1 Phát biểu bài toán: 15
3.1.2 Yêu cầu: 15
Trang 33.1.4 Tiến hành phân cụm: 16
TÀI LIỆU THAM KHẢO 22
Trang 4LỜI MỞ ĐẦU
Công nghệ ngày càng phổ biến và không ai có thể phủ nhận được tầm quantrọng và những hiệu quả mà nó đem lại cho cuộc sống chúng ta Bất kỳ trong lĩnhvực nào, sự góp mặt của trí tuệ nhân tạo sẽ giúp con người làm việc và hoàn thànhtốt công việc hơn Và gần đây, một thuật ngữ “machine learning” rất được nhiềungười quan tâm.Thay vì phải code phần mềm với cách thức thủ công theo một bộhướng dẫn cụ thể nhằm hoàn thành một nhiệm vụ đề ra thì máy sẽ tự “học hỏi”bằng cách sử dụng một lượng lớn dữ liệu cùng những thuật toán cho phép nó thựchiện các tác vụ
Đây là một lĩnh vực khoa học tuy không mới, nhưng cho thấy lĩnh vực trí tuệnhân tạo đang ngày càng phát triển và có thể tiến xa hơn trong tương lai Đồngthời, thời điểm này nó được xem là một lĩnh vực “nóng” và dành rất nhiều mốiquan tâm để phát triển nó một cách mạnh mẽ, bùng nổ hơn
Hiện nay, việc quan tâm machine learning càng ngày càng tăng lên là vì nhờ
có machine learning giúp gia tăng dung lượng lưu trữ các loại dữ liệu sẵn, việc xử
lý tính toán có chi phí thấp và hiệu quả hơn rất nhiều
Những điều trên được hiểu là nó có thể thực hiện tự động, nhanh chóng đểtạo ra những mô hình cho phép phân tích các dữ liệu có quy mô lớn hơn và phứctạp hơn đồng thời đưa ra những kết quả một cách nhanh và chính xác hơn
Chính sự hiệu quả trong công việc và các lợi ích vượt bậc mà nó đem lại cho chúng
ta khiến machine learning ngày càng được chú trọng và quan tâm nhiều hơn Vì vậy chúng em đã chọn đề tài ”Ứng dụng thuật toán K-Means Clustering để dự đoánchất lượng của rượu vang đỏ và điểm rating của mì ramen”để làm báo cáo
Chúng em xin chân thành gửi lời cảm ơn tới các thầy cô giáo trong TrườngĐại học Điện Lực nói chung và các thầy cô giáo trong Khoa Công nghệ thông tinnói riêng đã tận tình giảng dạy, truyền đạt cho chúng em những kiến thức cũng nhưkinh nghiệm quý báu trong suốt quá trình học Đặc biệt, em gửi lời cảm ơn đến CôPhạm Thị Kim Dung đã tận tình theo sát giúp đỡ, trực tiếp chỉ bảo, hướng dẫntrong suốt quá trình nghiên cứu và học tập của chúng em
Trang 5CHƯƠNG 1 TỔNG QUAN VỀ HỌC MÁY
1.1 Khái niệm về học máy:
Học máy (Machine learning) là một lĩnh vực con của Trí tuệ nhântạo(Artificial Intelligence) sử dụng các thuật toán cho phép máy tính có thể học từ
dữ liệu để thực hiện các công việc thay vì được lập trình một cách rõ ràng, cungcấp cho hệ thống khả năng tự động học hỏi và cải thiện hiệu suất, độ chính xác dựatrên những kinh nghiệm từ dữ liệu đầu vào Học máy tập trung vào việc phát triểncác phần mềm, chương trình máy tính có thể truy cập vào dữ liệu và tận dụngnguồn dữ liệu đó để tự học
Học máy vẫn đòi hỏi sự đánh giá của con người trong việc tìm hiểu dữ liệu
cơ sở và lựa chọn các kĩ thuật phù hợp để phân tích dữ liệu Đồng thời, trước khi sửdụng, dữ liệu phải sạch, không có sai lệch và không có dữ liệu giả
Các mô hình học máy yêu cầu lượng dữ liệu đủ lớn để "huấn luyện" và đánhgiá mô hình Trước đây, các thuật toán học máy thiếu quyền truy cập vào mộtlượng lớn dữ liệu cần thiết để mô hình hóa các mối quan hệ giữa các dữ liệu Sựtăng trưởng trong dữ liệu lớn (big data) đã cung cấp các thuật toán học máy với đủ
dữ liệu để cải thiện độ chính xác của mô hình và dự đoán
1.2 Phân nhóm các thuật toán học máy
1.2.1 Học có giám sát (Supervised Learning)
Là phương pháp sử dụng những dữ liệu đã được gán nhãn từ trước để suyluận ra quan hệ giữa đầu vào và đầu ra Các dữ liệu này được gọi là dữ liệu huấn luyện và chúng là cặp các đầu vào-đầu ra Học có giám sát sẽ xem xét các tập huấnluyện này để từ đó có thể đưa ra dự đoán đầu ra cho 1 đầu vào mới chưa gặp bao
Trang 6Hình 1 1 Mô hình học có giám sát
Supervised Learning Là thuât toán dự đoán đầu ra (outcome) của một dữ liệumới (new input) dựa trên cặp (input, outcome) đã biết tư trước Cặp dữ liệu này cònđươc gọi là data, label tức dữ liệu, nhãn Supervised Learning Là nhóm phổ biếnnhất trong các thuật toán Machine learning
1.2.2 Học phi giám sát (Unsupervised Learning)-UL
Khác với học có giám sát, học phi giám sát sử dụng những dữ liệu chưa đượcgán nhãn từ trước để suy luận Phương pháp này thường được sử dụng để tìm cấutrúc của tập dữ liệu Tuy nhiên lại không có phương pháp đánh giá được cấu trúctìm ra được là đúng hay sai Ví dụ như phân cụm dữ liệu, triết xuất thành phần
Trang 7chính của một chất nào đó K-mean Ứng dụng phổ biến nhất của học không giámsát là gom cụm (cluster)
Hình 1 2 Mô hình học không giám sát
Trong thuật toán này, chúng ta không biết được dữ liệu đầu ra hay nhãn mà
chỉ có dữ liệu đầu vào Thuật toán Học không giám sát dựa vào cấu trúc của dữ liệu
để thực hiện một công việc nào đó, ví dụ như phân nhóm hoặc giảm số chiều của
dữ liệu để thuận tiện trong việc lưu trữ và tính toán
Một cách toán học, Học không giám sát là khi chúng ta chỉ có dữ liệu vào X
mà không biết nhãn Y tương ứng.
Sự khác nhau giữa học có giám sát và học không giám sát:
Trang 8Hình 1.3: Sự khác biệt giữa 2 mô hình SL và UL
Học có giám sát: Là cách huấn luyện một mô hình trong đó dữ liệu học cóđầu vào và đầu ra tương ứng đầu vào đó Mô hình được huấn luyện bằng cách giảmthiểu sai số lỗi (loss) của các dự đoán tại các vòng lặp huấn luyện Sau quá trìnhhuấn luyện mô hình sẽ có khả năng đưa ra dự đoán về đầu ra với một đầu vào mớigặp (không có trong dữ liệu học) Nếu không gian đầu ra được biểu diễn dứới dạngrời rạc, ta gọi đó là bài toán phân loại (classification) Nếu không gian đầu ra đượcbiểu diễn dưới dạng liên tục, ta gọi đó là bài toán hồi quy (regression)
Học không giám sát: Là cách huấn luyện một mô hình trong đó dữ liệu họcchỉ bao gồm đầu vào mà không có đầu ra Mô hình sẽ được huấn luyện cách để tìmcấu trúc hoặc mối quan hệ giữa các đầu vào Một trong những phương pháp họckhông giám sát quan trọng nhất là phân cụm (clustering): Tạo các cụm khác nhauvới mỗi cụm biểu diễn một đặc trưng nào đó của dữ liệu và phân các đầu vào mớivào các cụm theo các đặc trưng của đầu vào đó Các phương pháp học không giámsát khác có thể kể đến như: phát hiện điểm bất thường (anomaly detection),Singular-value decomposition, …
1.2.3 Học tăng cường (reinforcement learning)
Phương pháp học tăng cường tập trung vào việc làm sao để cho 1 tác tử trongmôi trường có thế hành động sao cho lấy được phần thưởng nhiều nhất có thể.Khác với học có giám sát nó không có cặp dữ liệu gán nhãn trước làm đầu vào vàcũng không có đánh giá các hành động là đúng hay sai
1.2.4 Học bán giám sát (Semi-Supervised Learning)
Các bài toán khi chúng ta có một lượng lớn dữ liệu X nhưng chỉ một phầntrong chúng được gán nhãn được gọi là Semi-Supervised Learning Những bài toán
Trang 9thuộc nhóm này nằm giữa hai nhóm được nêu bên trên Một ví dụ điển hình củanhóm này là chỉ có một phần ảnh hoặc văn bản được gán nhãn (ví dụ bức ảnh vềngười, động vật hoặc các văn bản khoa học, chính trị) và phần lớn các bức ảnh/vănbản khác chưa được gán nhãn được thu thập từ internet.
Thực tế cho thấy rất nhiều các bài toán Machine Learning thuộc vào nhómnày vì việc thu thập dữ liệu có nhãn tốn rất nhiều thời gian và có chi phí cao Rấtnhiều loại dữ liệu thậm chí cần phải có chuyên gia mới gán nhãn được (ảnh y họcchẳng hạn) Ngược lại, dữ liệu chưa có nhãn có thể được thu thập với chi phí thấp
Trong lĩnh vực ngân hàng: xác định khả năng khách hàng chậm trả cáckhoản vay hoặc rủi ro tín dụng do nợ xấu dựa trên phân tích Credit score; xácđịnh xem liệu các giao dịch có hành vi phạm tội, lừa đảo hay không
Trong giáo dục: phân loại các học sinh theo hoàn cảnh, học lực để xem xemcần hỗ trợ gì cho những học sinh ví dụ như hoàn cảnh sống khó khăn nhưnghọc lực lại tốt
Trong thương mại điện tử: phân loại khách hàng theo sở thích cụ thể để hỗtrợ personalized marketing hay xây dựng hệ thống khuyến nghị, dựa trên dữliệu từ website, social media
Trang 10 Trong kinh tế nói chung: giúp dự báo các sự kiện kinh tế trong tương lai, dựbáo tình hình thời tiết trong nông nghiệp, xác định xu hướng thị trườngchứng khoán để lên kế hoạch đầu tư thích hợp.
Trang 11CHƯƠNG 2 THUẬT TOÁN K-MEANS CLUSTERING TRONG BÀI TOÁN
PHÂN CỤM
2.1 Tổng quan về thuật toán K-Means Clustering
Với thuật toán K-Means Clustering, chúng ta không biết nhãn (label) của từng điểm dữ liệu Mục đích là làm thể nào để phân dữ liệu thành các cụm (cluster)khác nhau sao cho dữ liệu trong cùng một cụm có tính chất giống nhau Ý tưởng đơn giản nhất về cluster (cụm) là tập hợp các điểm ở gần nhau trong một không gian nào đó (không gian này có thể có rất nhiều chiều trong trường hợp thông tin vềmột điểm dữ liệu là rất lớn) Hình bên dưới là một ví dụ về 3 cụm dữ liệu (từ giờ tôi
sẽ viết gọn là cluster)
Hình 2.1: Bài toán với 3 clusters
Trang 12Giả sử mỗi cluster có một điểm đại diện (center) màu vàng Và những điểm
xung quanh mỗi center thuộc vào cùng nhóm với center đó Một cách đơn giản nhất, xét một điểm bất kỳ, ta xét xem điểm đó gần với center nào nhất thì nó thuộc
về cùng nhóm với center đó
2.2 Thuật toán K-Means Clustering:
2.2.1 Mô hình toán học:
Ta gọi điểm tại vị trí trung bình của tất cả các điểm dữ liệu trong một cụm
là trung tâm cụm Như vậy, nếu có K cụm thì sẽ có K trung tâm cụm và mỗi trung
tâm cụm sẽ nằm gần các điểm dữ liệu trong cụm tương ứng hơn các trung tâm cụm khác Trong hình dưới đây, K = 3 và ta có 3 trung tâm cụm là các điểm màu vàng
Hình 2.2: Mô hình dữ liệu được phân cụm
Trang 13Để phân cụm dữ liệu bằng K-Means Clustering, trước hết ta chọn K là số cụm để phân chia và chọn ngẫu nhiên K trong số m dữ liệu ban đầu làm trung tâm
cụm μ1, μ2, …, μK Sau đó, với điểm dữ liệu x(i) ta sẽ gán nó cho cụm c(i) là cụm
có trung tâm cụm gần nó nhất
Khi tất cả các điểm dữ liệu đã được gán về các cụm, bước tiếp theo là tính toán lại
vị trí các trung tâm cụm bằng trung bình tọa độ các điểm dữ liệu trong cụm đó
với k1, k2, …, kn là chỉ số các dữ liệu thuộc cụm thứ k Các bước trên được lặp lại cho tới khi vị trí các trung tâm cụm không đổi sau một bước lặp nào đó
2.2.2 Độ chính xác của thuật toán:
Hàm mất mát của thuật toán K-Means Clustering đặc trưng cho độ chính xác của nó sẽ càng lớn khi khoảng cách từ mỗi điểm dữ liệu tới trung tâm cụm càng lớn
2.2.3 Nghiệm của thuật toán K-Means Clustering:
Trong các bước của thuật toán, thực chất bước gán các điểm dữ liệu về trung tâm cụm gần nhất và bước thay đổi trung tâm cụm về vị trí trung bình của các điểm
dữ liệu trong cụm đều nhằm mục đích giảm hàm mất mát Thuật toán kết thúc khi
vị trí các trung tâm cụm không đổi sau một bước lặp nào đó Khi đó hàm mất mát đạt giá trị nhỏ nhất
Trang 14Khi K càng nhỏ so với m, thuật toán càng dễ đi đến kết quả chưa phải tối ưu Điều này phụ thuộc vào cách chọn K trung tâm cụm ban đầu.
Để khắc phục điều này, ta cần lặp lại thuật toán nhiều lần và chọn phương án
có giá trị hàm mất mát nhỏ nhất
2.2.4 Tóm tắt thuật toán:
Đầu vào: Dữ liệu XX và số lượng cluster cần tìm KK.
Đầu ra: Các center MM và label vector cho từng điểm dữ liệu YY.
1 Chọn KK điểm bất kỳ làm các center ban đầu
2 Phân mỗi điểm dữ liệu vào cluster có center gần nó nhất
3 Nếu việc gán dữ liệu vào từng cluster ở bước 2 không thay đổi so vớivòng lặp trước nó thì ta dừng thuật toán
4 Cập nhật center cho từng cluster bằng cách lấy trung bình cộng của tấtcác các điểm dữ liệu đã được gán vào cluster đó sau bước 2
5 Quay lại bước 2
Trang 15CHƯƠNG 3 ỨNG DỤNG THUẬT TOÁN K-MEANS CLUSTERING 3.1 Dữ liệu wine_red_quality:
3.1.1 Phát biểu bài toán:
Bài toán phân loại chất lượng của rượu vang đỏ đưa ra các tập dự liệu là các thông số của từng mẫu rượu vang đỏ để phân loại chất lượng của chúng
- Giá trị input: Thông tin, đặc tính của một mẫu rượu
- Giá trị output: tên của cụm chúng được phân vào
3.1.2 Yêu cầu:
- Lấy dữ liệu mô tả đặc tính rượu
- Trích chọn đặc trưng từ tập dữ liệu lấy được
- fixed acidity: độ acid cố định
- volatile acidity: độ acid dễ bay hơi
- citric acid: nồng độ citric acid – được dùng để thêm độ tươi và hương vị
cho rượu vang
- residual sugar: lượng đường còn dư lại sau khi dừng lên men, thường lớn
hơn 1 gr/liter
- chlorides: độ mặn của rượu
- free sulfur dioxide: lượng chất SO2 còn tồn tại ở trạng thái cân bằng giữa
phân tử SO2 và bisulfite ion, nó ngăn cản vi sinh vật và sự oxi hóa ở rượu
- total sulfur dioxide: số lượng các dạng S02 tự do và ràng buộc; ở nồng độ
thấp, SO2 hầu như không thể phát hiện được trong rượu vang, nhưng ở nồng độ SO2 tự do trên 50 ppm, SO2 trở nên rõ ràng trong mũi và mùi vị của rượu
- density: tỉ trọng của nước
Trang 16- sulphates: một chất phụ gia rượu vang có thể góp phần vào mức khí sulfur
dioxide (S02), hoạt động như một chất chống vi khuẩn và chất chống oxy hóa
- alcohol: nồng độ cồn
- quality: chất lượng (là kết quả của một số mẫu rượu được đánh giá dựa trên
vị giác của người thử rượu, tuy nhiên bài toán phân cụm không cần đến đặc trưng này)
Hình 3.1: Dữ liệu cụ thể 3.1.4 Tiến hành phân cụm
IMPORT THƯ VIỆN:
Trang 17df = df.drop_duplicates()
CHUẨN HÓA DỮ LIỆU (MAX-MIN NORMALIZE):
def max_min_normalize (column):
maxx = max (column)
minn = min (column)
normalized_column = []
for value in column:
normalized_value = (value - minn)/(maxx - minn)
plt.scatter(centroid_df['PCA1'],centroid_df['PCA2'],marker = 'D',s = 100,c
= centroid_labels)
plt.show()
Trang 18Hình 3.2: Hình ảnh dữ liệu sau khi được phân cụm trên đồ thị
3.2 Dữ liệu ramen_rating:
3.2.1 Phát biểu bài toán:
Bài toán phân loại chất lượng mì ramen dựa trên bộ dữ liệu có những thông tin được cho là ảnh hưởng đển điểm rating của món đó
- Giá trị input: Thông tin cụ thể của một sản phẩm mì ramen
- Giá trị output: tên của cụm chúng được phân vào
3.1.2 Yêu cầu:
- Lấy dữ liệu của mì ramen
- Trích chọn đặc trưng từ tập dữ liệu lấy được
- Xử lý, làm sạch dữ liệu
- Tiến hành phân cụm
- Dữ liệu hóa đồ thị
Trang 193.1.3 Bộ dữ liệu:
Nguồn: https://www.kaggle.com/residentmario/ramen-ratings
Bộ dữ liệu bao gồm các đặc trưng là các thông tin về mì ramen:
- Review: số thứ tự review
- Brand: Hãng sản xuất mì ramen
- Variety: Mô tả chung về mì ramen
- Style: Kiểu phục vụ (được đựng trong bát, khay, …)
- Country: quốc gia mà món đó được bán
- Star: Số sao mà món đó đạt được
- Top Ten: Điểm rating trên thang điểm 10 của món mì đó (tuy nhiên bài toán phân cụm nên đặc trưng này bị lược bỏ)
Hình 3.4: Dữ liệu cụ thể 3.1.4 Tiến hành phân cụm:
IMPORT THƯ VIỆN