Méthode du coefficient de silhouette
Dans la leçon précédente, vous avez eu un aperçu de l'effet du nombre de groupes sur la performance de votre algorithme K-Means. C'est particulièrement pertinent en contexte d'entrevue, puisque le nombre optimal de groupes produit les meilleurs résultats.
Dans cet exercice, vous allez utiliser la fonction silhouette_score() de sklearn.metrics sur des algorithmes K-Means entraînés sur le DataFrame diabetes afin d'appliquer la méthode du coefficient de silhouette pour trouver le nombre optimal de groupes. Notez que vous utiliserez la distance euclidienne pour calculer le score, ce qui permet de le comparer à la méthode du coude (Elbow).
La matrice de caractéristiques X que vous utiliserez pour entraîner les modèles K-Means a été créée pour vous.
Vous vous situez au même endroit dans le pipeline que dans les derniers exercices, mais ici vous ajouterez aussi la prédiction :
Cette activité fait partie du cours
S'exercer aux questions d'entrevue en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____