Bilişim dünyasına kaliteli, özgün ve Türkçe içerikler kazandırmayı hedefleyen bir platform..

import pandas as pd
import matplotlib.pyplot as plt

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.cluster import KMeans

# Sayısal ve kategorik sütunları ayır
numeric_cols = df_cl.select_dtypes(include=['int64', 'float64']).columns
categorical_cols = df_cl.select_dtypes(include=['object', 'category']).columns

# Ön işleme
preprocessor = ColumnTransformer([
    ("num", StandardScaler(), numeric_cols),
    ("cat", OneHotEncoder(), categorical_cols)
])

# Veriyi dönüştür
X_processed = preprocessor.fit_transform(df_cl)

# Sparse matrisi dense yap
X_processed = X_processed.toarray()

# Elbow yöntemi
wcss = []

K = range(1, 11)

for k in K:
    kmeans = KMeans(
        n_clusters=k,
        init='k-means++',
        random_state=42,
        n_init=10
    )
    
    kmeans.fit(X_processed)
    wcss.append(kmeans.inertia_)

# Grafik
plt.figure(figsize=(8,5))

plt.plot(K, wcss, marker='o')

plt.title("Elbow Method")
plt.xlabel("Küme Sayısı")
plt.ylabel("WCSS")

plt.xticks(K)
plt.grid(True)

plt.show()