CommencezCommencez gratuitement

Normaliser des données de poissons pour le regroupement

On vous fournit un tableau samples contenant des mesures de poissons. Chaque ligne représente un poisson. Les mesures, comme le poids en grammes, la longueur en centimètres et le pourcentage de la hauteur par rapport à la longueur, sont sur des échelles très différentes. Pour regrouper efficacement ces données, vous devrez d'abord normaliser ces caractéristiques. Dans cet exercice, vous allez construire un pipeline pour normaliser et regrouper les données.

Ces données de mesures de poissons proviennent du Journal of Statistics Education.

Cette activité fait partie du cours

Unsupervised Learning in Python

Voir le cours

Instructions de l’exercice

  • Importez :
    • make_pipeline de sklearn.pipeline.
    • StandardScaler de sklearn.preprocessing.
    • KMeans de sklearn.cluster.
  • Créez une instance de StandardScaler appelée scaler.
  • Créez une instance de KMeans avec 4 grappes appelée kmeans.
  • Créez un pipeline nommé pipeline qui enchaîne scaler et kmeans. Pour ce faire, il suffit de les passer comme arguments à make_pipeline().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
Modifier et exécuter le code