शुरू करेंमुफ़्त में शुरू करें

क्लस्टर क्वालिटी पर फीचर का प्रभाव

देखें कि अलग-अलग फीचर्स KMeans मॉडल की क्लस्टरिंग परफॉर्मेंस को कैसे प्रभावित करते हैं. डेटासेट X का उपयोग तीन फीचर्स के आधार पर कस्टमर सेगमेंटेशन के लिए किया गया है: आय (income), बच्चों की संख्या (number of kids), और घर में किशोरों की संख्या (number of teens).

फ़ंक्शन silhouette_score और वैरिएबल column_names आपके लिए पहले से लोड हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Explainable AI

पाठ्यक्रम देखें

अभ्यास निर्देश

  • मूल सिल्हूट स्कोर (original_score) निकालें.
  • for लूप में, फीचर्स को एक-एक करके हटाएँ और परिणाम X_reduced में सेव करें.
  • नया सिल्हूट स्कोर (new_score) निकालें.
  • फीचर का impact 계산 करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

kmeans = KMeans(n_clusters=5, random_state=10, n_init=10).fit(X)
# Derive the original silhouette score
original_score = ____

for i in range(X.shape[1]):
  	# Remove feature at index i
    X_reduced = ____
    kmeans.fit(X_reduced)
    # Compute the new silhouette score
    new_score = ____
    # Compute the feature's impact
    impact = ____
    print(f'Feature {column_names[i]}: Impact = {impact}')
कोड संपादित करें और चलाएँ