ComenzarEmpieza gratis

Escala de datos de peces para la agrupación

Se te da una matriz samples que da las medidas de los peces. Cada fila representa un pez individual. Las medidas, como el peso en gramos, la longitud en centímetros y la relación porcentual entre altura y longitud, tienen escalas muy diferentes. Para agrupar estos datos eficazmente, primero tendrás que normalizar estas características. En este ejercicio, construirás una canalización para normalizar y agrupar los datos.

Estos datos de medición de peces proceden del Journal of Statistics Education.

Este ejercicio forma parte del curso

Aprendizaje no supervisado en Python

Ver curso

Instrucciones de ejercicio

  • Importa:

    • make_pipeline de sklearn.pipeline.

    • StandardScaler de sklearn.preprocessing.

    • KMeans de sklearn.cluster.

  • Crea una instancia de la clase StandardScaler denominado scaler.

  • Crea una instancia de KMeans con 4 clústeres llamada kmeans.

  • Crea una canalización llamada pipeline que encadene scaler y kmeans. Para ello, solo tienes que pasarlos como argumentos a make_pipeline().

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# Perform the necessary imports
from ____ import ____
from ____ import ____
from ____ import ____

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
Editar y ejecutar código