Začněte nyníZačněte zdarma

Shlukování Wikipedie – část I

Ve videu jsi viděl/a, že TruncatedSVD dokáže provádět PCA na řídkých polích ve formátu csr_matrix, jako jsou například matice četností slov. Zkombinuj znalosti TruncatedSVD a k-means a shlukni populární stránky z Wikipedie. V tomto cvičení sestavíš pipeline – v dalším ji pak aplikuješ na matici četností slov z vybraných článků Wikipedie.

Vytvoř objekt Pipeline složený z TruncatedSVD následovaného KMeans. (Matici četností slov jsme pro tebe předpočítali, takže TfidfVectorizer tentokrát nepotřebuješ.)

Dataset z Wikipedie, se kterým budeš pracovat, pochází odtud.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Importuj:
    • TruncatedSVD z sklearn.decomposition.
    • KMeans z sklearn.cluster.
    • make_pipeline z sklearn.pipeline.
  • Vytvoř instanci TruncatedSVD s názvem svd a parametrem n_components=50.
  • Vytvoř instanci KMeans s názvem kmeans a parametrem n_clusters=6.
  • Vytvoř pipeline s názvem pipeline složenou z svd a kmeans.

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 a TruncatedSVD instance: svd
svd = ____

# Create a KMeans instance: kmeans
kmeans = ____

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