Hitung dan plot jumlah kuadrat galat

Sekarang, Anda akan menghitung jumlah kuadrat galat untuk berbagai jumlah klaster dari 1 hingga 10.

Anda akan menggunakan data RFMT yang dinormalisasi yang Anda buat pada latihan sebelumnya, tersimpan sebagai datamart_rfmt_normalized. Modul KMeans dari scikit-learn juga sudah diimpor. Selain itu, kami telah menginisialisasi dictionary kosong untuk menyimpan jumlah kuadrat galat sebagai sse = {}.

Silakan eksplorasi data di konsol.

Latihan ini merupakan bagian dari kursus

Segmentasi Pelanggan dengan Python

Lihat Kursus

Instruksi latihan

Inisialisasi KMeans dengan k klaster dan random state 1, lalu latih KMeans pada himpunan data yang dinormalisasi.
Tetapkan jumlah kuadrat jarak ke elemen k dari dictionary sse.
Tambahkan judul plot "The Elbow Method", label sumbu-X "k", dan label sumbu-Y "SSE".
Plot nilai SSE untuk setiap k yang disimpan sebagai key dalam dictionary.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Fit KMeans and calculate SSE for each k between 1 and 10
for k in range(1, 11):
  
    # Initialize KMeans with k clusters and fit it 
    kmeans = ____(____=____, ____=1 ).____(datamart_rfmt_normalized)
    
    # Assign sum of squared distances to k element of the sse dictionary
    ____[____] = kmeans.____   

# Add the plot title, x and y axis labels
plt.____('The Elbow Method')
plt.____('____')
plt.____('____')

# Plot SSE values for each k stored as keys in the dictionary
sns.____(x=list(sse.____()), y=list(sse.____()))
plt.show()

Edit dan Jalankan Kode