Déterminer le nombre optimal de grappes

Ici, vous allez utiliser la méthode du coude pour trouver le nombre optimal de grappes, c'est‑à‑dire le point où la diminution de la somme des erreurs au carré devient marginale. Cette étape est importante pour obtenir une estimation mathématique du nombre de grappes à tester. Vous parcourrez plusieurs valeurs de k et exécuterez un algorithme KMeans pour chacune, puis vous tracerez les erreurs en fonction de chaque k afin d'identifier le « coude » où la baisse des erreurs ralentit.

Cette activité fait partie du cours

Machine Learning pour le marketing en Python

Voir le cours

Instructions de l’exercice

Créez un dictionnaire sse vide.
Ajustez un algorithme KMeans sur des valeurs de k entre 1 et 11 et enregistrez les erreurs dans le dictionnaire sse.
Ajoutez le titre au graphique.
Créez un nuage de points avec les clés sur l'axe des X et les valeurs sur l'axe des Y, puis affichez le graphique.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create empty sse dictionary
sse = {}

# Fit KMeans algorithm on k values between 1 and 11
for k in ___(1, 11):
    kmeans = ___(n_clusters=___, random_state=333)
    kmeans.___(wholesale_scaled_df)
    sse[k] = kmeans.inertia_

# Add the title to the plot
plt.___('Elbow criterion method chart')

# Create and display a scatter plot
sns.pointplot(x=list(sse.___()), y=list(sse.___()))
plt.___()

Modifier et exécuter le code