Začněte nyníZačněte zdarma

Kolik clusterů obilovin?

Ve videu sis ukázal/a, jak zvolit vhodný počet clusterů pomocí grafu inercie k-means. K dispozici máš pole samples s měřeními vzorků obilovin (jako je plocha, obvod, délka a další). Jaký počet clusterů je v tomto případě nejvhodnější?

KMeans a PyPlot (plt) jsou už naimportované.

Tato datová sada pochází z UCI Machine Learning Repository.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Pro každou z daných hodnot k proveď následující kroky:
  • Vytvoř instanci KMeans s názvem model s k clustery.
  • Natrénuj model na datech obilovin samples.
  • Přidej hodnotu atributu inertia_ modelu do seznamu inertias.
  • Kód pro vykreslení grafu ks vs. inertias je už připravený – klikni na Submit a výsledek se zobrazí!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

ks = range(1, 6)
inertias = []

for k in ks:
    # Create a KMeans instance with k clusters: model
    ____
    
    # Fit model to samples
    ____
    
    # Append the inertia to the list of inertias
    ____
    
# Plot ks vs inertias
plt.plot(ks, inertias, '-o')
plt.xlabel('number of clusters, k')
plt.ylabel('inertia')
plt.xticks(ks)
plt.show()
Upravit a spustit kód