K-means क्लस्टरिंग
एक मशीन लर्निंग इंटरव्यू में आपसे पूछा जा सकता है कि K-means क्लस्टरिंग के आउटपुट का उपयोग उसके परफॉर्मेंस का आकलन करने और यह तय करने में कैसे किया जा सकता है कि वह सबसे उपयुक्त एल्गोरिदम है.
इस अभ्यास में आप K-means क्लस्टरिंग पर अभ्यास करेंगे. .inertia_ एट्रिब्यूट का उपयोग करके अलग-अलग क्लस्टर संख्या k वाले मॉडलों की तुलना करें. फिर अगले अभ्यास में आप इसी जानकारी का उपयोग करके क्लस्टर संख्या का आकलन भी करेंगे.
ध्यान दें कि diabetes डेटासेट में टार्गेट वैरिएबल progression है.
आप पाइपलाइन में यहाँ हैं:
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import module
from sklearn.cluster import KMeans
# Create feature matrix
X = diabetes.____("____", axis=1)
# Instantiate
kmeans = KMeans(n_clusters=2, random_state=123)
# Fit
fit = kmeans.____(____)
# Print inertia
print("Sum of squared distances for 2 clusters is", kmeans.inertia_)