LoslegenKostenlos loslegen

2D-Punkte gruppieren

Aus dem Streudiagramm der letzten Übung hast du gesehen, dass sich die Punkte in drei Gruppen zu gruppieren scheinen. Jetzt machst du ein KMeans-Modell, um 3 Cluster zu finden, und passt es an die Datenpunkte aus der letzten Übung an. Nachdem das Modell angepasst wurde, bekommst du die Cluster-Labels für ein paar neue Punkte mit der Methode „ .predict() “.

Du hast das Array „ points ” aus der vorherigen Übung und ein weiteres Array „ new_points ”.

Diese Übung ist Teil des Kurses

Unüberwachtes Lernen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere KMeans aus sklearn.cluster.
  • Erstell über KMeans() eine Instanz von „ KMeans ” mit dem Namen „ model ”, um Cluster mit dem Namen „ 3 ” zu finden. Um die Anzahl der Cluster anzugeben, nimm das Schlüsselwortargument „ n_clusters “ (Anzahl der Cluster).
  • Verwende die Methode „ .fit() ” von „ model ”, um das Modell an die Punkte-Reihe „ points ” anzupassen.
  • Verwende die Methode „ .predict() “ von „ model “, um die Cluster-Labels von „ new_points “ vorherzusagen, und speichere das Ergebnis in „ labels “.
  • Klick auf „Senden“, um die Cluster-Bezeichnungen von „ new_points “ zu sehen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import KMeans
____

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

# Fit model to points
____

# Determine the cluster labels of new_points: labels
labels = ____

# Print cluster labels of new_points
print(labels)
Code bearbeiten und ausführen