Metode Silhouette
Pada pelajaran sebelumnya, Anda telah melihat bagaimana jumlah klaster yang berbeda memengaruhi kinerja algoritma K-Means. Hal ini sangat relevan dalam konteks wawancara, karena jumlah klaster yang optimal menghasilkan performa terbaik.
Dalam latihan ini, Anda akan menggunakan fungsi silhouette_score() dari sklearn.metrics pada algoritma K-Means yang dijalankan pada DataFrame diabetes untuk melakukan Metode Silhouette dalam menemukan jumlah klaster yang optimal. Perhatikan bahwa Anda akan menggunakan jarak Euclidean saat menghitung skor agar dapat dibandingkan dengan Metode Elbow.
Matriks fitur X yang akan Anda gunakan untuk melatih model K-Means telah disiapkan untuk Anda.
Anda berada pada tahap yang sama dalam pipeline seperti beberapa latihan terakhir, namun di sini Anda juga akan menambahkan langkah prediksi:
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 modules
from sklearn.____ import ____
from sklearn.____ import ____