Začněte nyníZačněte zdarma

Škálování rybích dat pro shlukování

Máš k dispozici pole samples s měřeními ryb. Každý řádek představuje jednu rybu. Jednotlivá měření – například hmotnost v gramech, délka v centimetrech nebo procentuální poměr výšky k délce – mají velmi odlišné škály. Aby bylo shlukování těchto dat efektivní, je nejprve potřeba tyto příznaky standardizovat. V tomto cvičení sestavíš pipeline, která data standardizuje a poté shlukuje.

Tato data o rybích měřeních pocházejí z Journal of Statistics Education.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Importuj:
    • make_pipeline z sklearn.pipeline.
    • StandardScaler z sklearn.preprocessing.
    • KMeans z sklearn.cluster.
  • Vytvoř instanci StandardScaler a pojmenuj ji scaler.
  • Vytvoř instanci KMeans se 4 shluky a pojmenuj ji kmeans.
  • Vytvoř pipeline s názvem pipeline, která řetězí scaler a kmeans. Stačí je předat jako argumenty funkci make_pipeline().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Perform the necessary imports
from ____ import ____
from ____ import ____
from ____ import ____

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
Upravit a spustit kód