शुरू करेंमुफ़्त में शुरू करें

Sum of Squared Errors कैलकुलेट करें

इस अभ्यास में, आप 1 से 15 तक अलग-अलग क्लस्टरों की संख्या के लिए sum of squared errors कैलकुलेट करेंगे। इस उदाहरण में एक कस्टम बनाए गए डेटासेट का उपयोग किया गया है ताकि elbow ग्राफ़ को साफ़ तौर पर पढ़ा जा सके.

हमने डेटा का normalized वर्शन data_normalized के रूप में लोड किया है। scikit-learn से KMeans मॉड्यूल पहले से इम्पोर्ट है। साथ ही, sum of squared errors स्टोर करने के लिए हमने एक खाली डिक्शनरी sse = {} से इनिशियलाइज़ की है.

कंसोल में डेटा एक्सप्लोर करने के लिए स्वतंत्र महसूस करें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Customer Segmentation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • 1 से 15 की रेंज में हर k के लिए KMeans फिट करें और SSE कैलकुलेट करें.
  • KMeans को k क्लस्टरों और random state 1 के साथ इनिशियलाइज़ करें.
  • normalized डेटासेट पर KMeans फिट करें.
  • sum of squared distances को sse डिक्शनरी के k एलिमेंट में असाइन करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Fit KMeans and calculate SSE for each k
for k in range(____, ____):
  
    # Initialize KMeans with k clusters
    kmeans = ____(n_clusters=____, random_state=1)
    
    # Fit KMeans on the normalized dataset
    kmeans.____(data_normalized)
    
    # Assign sum of squared distances to k element of dictionary
    sse[____] = kmeans.____
कोड संपादित करें और चलाएँ