Hierarchické aglomerativní shlukování
V předchozím cvičení jsi viděl/a, jak může počet shluků při K-means shlukování ovlivnit výsledky, a naučil/a ses, jak o K-means mluvit při pohovoru z oblasti Machine Learning. Další model shlukování, který můžeš použít, je hierarchické aglomerativní shlukování. V Pythonu lze optimální počet shluků pro tuto techniku určit jak vizuálně, tak matematicky – k tomu využiješ moduly scipy a sklearn.
Měj na paměti, že výběr optimálního počtu shluků z dendrogramu závisí na kritériu propojení i na prahové vzdálenosti. Vytvoříš dendrogram z matice X datasetu diabetes, pak si představ imaginární přímku na úrovni 1,50 a spočítej, kolik svislých čar přetíná – to ti dá optimální počet shluků pro tvůj hierarchický shlukovací algoritmus.
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import hierarchical clustering libraries
import ____.____.____ as sch
from ____.____ import ____