Začněte nyníZačněte zdarma

Vyhodnocení clusterování zrní

V předchozím cvičení jsi z grafu inercie zjistil/a, že pro data o zrní je vhodný počet clusterů 3. Vzorky zrní totiž pocházejí ze tří různých odrůd: „Kama“, „Rosa“ a „Canadian“. V tomto cvičení rozdělíš vzorky zrní do tří clusterů a pomocí křížové tabulky porovnáš clustery s odrůdami.

Máš k dispozici pole samples se vzorky zrní a seznam varieties s odrůdou pro každý vzorek. Pandas (pd) a KMeans jsou již naimportovány.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř model KMeans s názvem model se 3 clustery.
  • Pomocí metody .fit_predict() modelu model ho natrénuj na samples a získej štítky clusterů. Použití .fit_predict() je ekvivalentní volání .fit() následovaného .predict().
  • Vytvoř DataFrame df se dvěma sloupci pojmenovanými 'labels' a 'varieties', které naplníš hodnotami z labels a varieties. Tento krok je již hotový.
  • Pomocí funkce pd.crosstab() na df['labels'] a df['varieties'] spočítej, kolikrát se každá odrůda zrní shoduje s jednotlivými štítky clusterů. Výsledek ulož do ct.
  • Klikni na Odeslat a prohlédni si křížovou tabulku!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a KMeans model with 3 clusters: model
model = ____

# Use fit_predict to fit model and obtain cluster labels: labels
labels = ____

# Create a DataFrame with labels and varieties as columns: df
df = pd.DataFrame({'labels': labels, 'varieties': varieties})

# Create crosstab: ct
ct = ____

# Display ct
print(ct)
Upravit a spustit kód