LoslegenKostenlos loslegen

Clustering von zweidimensionalen Punkten

Im Streudiagramm der vorherigen Übung hast du gesehen, dass sich die Punkte in drei Cluster aufteilen. Jetzt erstellst du ein KMeans-Modell, um drei Cluster zu finden, und passt es an die Datenpunkte aus der vorherigen Übung an. Nachdem das Modell angepasst wurde, erhältst du mit der Methode .predict() die Clusterlabels für einige neue Punkte.

Das Array points aus der vorherigen Übung sowie ein Array new_points liegen in der Umgebung bereits vor.

Diese Übung ist Teil des Kurses

Unsupervised Learning in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere KMeans aus sklearn.cluster.
  • Erstelle mit KMeans() eine KMeans-Instanz namens model, die 3 Cluster findet. Um die Anzahl der Cluster festzulegen, verwende das Schlüsselwortargument n_clusters.
  • Nutze die .fit()-Methode von model, um das Modell an das Array points anzupassen.
  • Verwende die .predict()-Methode von model, um die Clusterlabels von new_points vorherzusagen, und weise das Ergebnis labels zu.
  • Klicke auf Antworten, um die Clusterlabels 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