शुरू करेंमुफ़्त में शुरू करें

अनाज के कितने क्लस्टर्स?

वीडियो में आपने k-means inertia ग्राफ़ का उपयोग करके किसी डेटासेट के लिए क्लस्टर्स की उपयुक्त संख्या चुनना सीखा. आपके पास एक array samples है जिसमें अनाज के सैंपल्स के माप (जैसे area, perimeter, length, और कुछ अन्य) दिए गए हैं. इस स्थिति में क्लस्टर्स की अच्छी संख्या क्या होगी?

KMeans और PyPlot (plt) आपके लिए पहले से इम्पोर्ट किए जा चुके हैं.

यह डेटासेट UCI Machine Learning Repository से लिया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Unsupervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • दिए गए प्रत्येक k मान के लिए ये चरण करें:
  • k क्लस्टर्स के साथ model नाम का KMeans इंस्टेंस बनाएँ.
  • मॉडल को अनाज के डेटा samples पर फिट करें.
  • model के inertia_ एट्रिब्यूट का मान inertias सूची में जोड़ने के लिए inertias में append करें.
  • ks बनाम inertias का प्लॉट करने का कोड पहले से लिखा है, तो प्लॉट देखने के लिए बस सबमिट करें!

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

ks = range(1, 6)
inertias = []

for k in ks:
    # Create a KMeans instance with k clusters: model
    ____
    
    # Fit model to samples
    ____
    
    # Append the inertia to the list of inertias
    ____
    
# Plot ks vs inertias
plt.plot(ks, inertias, '-o')
plt.xlabel('number of clusters, k')
plt.ylabel('inertia')
plt.xticks(ks)
plt.show()
कोड संपादित करें और चलाएँ