Klastering K-means
Dalam konteks wawancara Machine Learning, Anda mungkin ditanya bagaimana keluaran dari klastering K-means dapat digunakan untuk menilai kinerjanya sebagai algoritma terbaik.
Pada latihan ini, Anda akan mempraktikkan klastering K-means. Dengan menggunakan atribut .inertia_ untuk membandingkan model dengan jumlah klaster, k, yang berbeda, Anda kemudian juga akan menggunakan informasi ini untuk menilai jumlah klaster pada latihan berikutnya.
Ingat bahwa variabel target dalam himpunan data diabetes adalah progression.
Posisi Anda dalam pipeline:
Latihan ini merupakan bagian dari kursus
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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_)