Erste SchritteKostenlos loslegen

2D-Punkte clustern

Anhand des Streudiagramms aus der vorherigen Übung hast du gesehen, dass sich die Punkte in drei Gruppen aufzuteilen scheinen. Du erstellst nun ein KMeans-Modell, um 3 Cluster zu finden, und passt es an die Datenpunkte aus der vorherigen Übung an. Nachdem das Modell angepasst wurde, erhältst du die Cluster-Labels für einige neue Punkte mit der Methode .predict().

Du bekommst das Array points aus der vorherigen Übung und ein Array new_points.

Diese Übung ist Teil des Kurses

Unüberwachtes Lernen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere KMeans von sklearn.cluster.
  • Erstelle mit KMeans() eine KMeans Instanz namens model, um 3 Cluster zu finden. Um die Anzahl der Cluster anzugeben, verwende das Argument n_clusters.
  • Verwende die Methode .fit() von model, um das Modell an die Punktreihe points anzupassen.
  • Verwende die Methode .predict() von model, um die Cluster-Labels von new_points vorherzusagen und ordne das Ergebnis labels zu.
  • Klicke auf Abschicken, um die Cluster-Labels von new_points zu sehen.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# 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)
Bearbeiten und Ausführen von Code