Dampak fitur pada kualitas klaster
Jelajahi bagaimana setiap fitur memengaruhi kinerja pengelompokan model KMeans. Himpunan data X digunakan untuk segmentasi pelanggan berdasarkan tiga fitur: pendapatan, jumlah anak kecil, dan jumlah remaja di rumah.
Fungsi silhouette_score dan variabel column_names telah dimuat sebelumnya untuk Anda.
Latihan ini merupakan bagian dari kursus
Explainable AI in Python
Instruksi latihan
- Turunkan skor siluet awal (
original_score). - Di dalam for loop, hapus fitur satu per satu dan simpan hasilnya ke
X_reduced. - Hitung skor siluet baru (
new_score). - Hitung
impactdari fitur tersebut.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
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}')