Výpočet součtu čtverců chyb

V tomto cvičení vypočítáš součet čtverců chyb (SSE) pro různé počty clusterů v rozsahu od 1 do 15. Pracujeme zde s vlastní vytvořenou datovou sadou, aby byl „loket" na grafu lépe viditelný.

Normalizovaná verze dat je načtena jako data_normalized. Modul KMeans ze scikit-learn je už naimportovaný. Také jsme připravili prázdný slovník pro ukládání součtů čtverců chyb: sse = {}.

Data si klidně prozkoumej v konzoli.

Toto cvičení je součástí kurzu

Segmentace zákazníků v Pythonu

Zobrazit kurz

Pokyny k cvičení

Natrénuj KMeans a vypočítej SSE pro každé k v rozsahu od 1 do 15.
Inicializuj KMeans s k clustery a náhodným stavem 1.
Natrénuj KMeans na normalizované datové sadě.
Přiřaď součet čtverců vzdáleností k prvku k ve slovníku sse.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Fit KMeans and calculate SSE for each k
for k in range(____, ____):
  
    # Initialize KMeans with k clusters
    kmeans = ____(n_clusters=____, random_state=1)
    
    # Fit KMeans on the normalized dataset
    kmeans.____(data_normalized)
    
    # Assign sum of squared distances to k element of dictionary
    sse[____] = kmeans.____

Upravit a spustit kód