Méthode du coude

Les méthodes du score de silhouette et du coude servent à valider les résultats que vous observez. En entrevue de Machine Learning, on pourrait vous questionner sur l'une ou l'autre, mais expliquer les particularités de l'une dans le contexte de l'autre renforcera grandement votre réponse.

Dans cet exercice, pour chaque valeur de k, vous allez initialiser un modèle de K-means et utiliser l'attribut inertia_ pour obtenir la somme des distances au carré des échantillons vers le centre de regroupement le plus proche. Une fois tracée, cette courbe présente généralement un « coude ».

Rappelez-vous de la leçon précédente : à mesure que la valeur de k augmente, la valeur de inertia_ diminue.

matplotlib.pyplot a déjà été importé sous le nom plt ainsi que KMeans de sklearn.cluster. La matrice de caractéristiques X a aussi été préparée pour vous.