शुरू करेंमुफ़्त में शुरू करें

2D पॉइंट्स का क्लस्टरिंग

पिछले अभ्यास के स्कैटर प्लॉट से आपने देखा कि पॉइंट्स 3 क्लस्टर्स में बँटते दिख रहे हैं। अब आप 3 क्लस्टर्स खोजने के लिए एक KMeans मॉडल बनाएँगे और उसे पिछले अभ्यास के डेटा पॉइंट्स पर फिट करेंगे। मॉडल फिट होने के बाद, आप .predict() मेथड का उपयोग करके कुछ नए पॉइंट्स के लिए क्लस्टर लेबल प्राप्त करेंगे.

आपको पिछले अभ्यास से points नाम की array दी गई है, और साथ ही new_points नाम की एक array भी दी गई है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Unsupervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.cluster से KMeans को import करें.
  • KMeans() का उपयोग करके model नाम का KMeans इंस्टेंस बनाएँ जो 3 क्लस्टर्स ढूँढे। क्लस्टर्स की संख्या बताने के लिए n_clusters कीवर्ड आर्ग्युमेंट का उपयोग करें.
  • model के .fit() मेथड का उपयोग करके मॉडल को points array पर फिट करें.
  • model के .predict() मेथड का उपयोग करके new_points के क्लस्टर लेबल predict करें और नतीजा labels में असाइन करें.
  • new_points के क्लस्टर लेबल देखने के लिए सबमिट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import KMeans
____

# Create a KMeans instance with 3 clusters: model
model = ____

# Fit model to points
____

# Determine the cluster labels of new_points: labels
labels = ____

# Print cluster labels of new_points
print(labels)
कोड संपादित करें और चलाएँ