ComenzarEmpieza gratis

Agrupación de puntos 2D

En el diagrama de dispersión del ejercicio anterior, has visto que los puntos parecen separarse en 3 grupos. Ahora crearás un modelo KMeans para encontrar 3 clústeres y lo ajustarás a los puntos de datos del ejercicio anterior. Una vez ajustado el modelo, obtendrás las etiquetas de clústeres de algunos puntos nuevos mediante el método .predict().

Se te da la matriz points del ejercicio anterior, y también una matriz new_points.

Este ejercicio forma parte del curso

Aprendizaje no supervisado en Python

Ver curso

Instrucciones del ejercicio

  • Importa KMeans desde sklearn.cluster.
  • Utilizando KMeans(), crea una instancia de KMeans llamada model para encontrar clústeres de 3. Para especificar el número de grupos, utiliza el argumento n_clusters.
  • Utiliza el método .fit() de model para ajustar el modelo a la matriz de puntos points.
  • Utiliza el método .predict() de model para predecir las etiquetas de los grupos de new_points, asignando el resultado a labels.
  • Pulsa enviar para ver las etiquetas de los grupos de new_points.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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)
Editar y ejecutar código