Clustering gerarchico agglomerativo
Nell’ultimo esercizio hai visto come il numero di cluster durante il K-means possa influenzare i risultati, permettendoti di discutere il K-means in un colloquio di Machine Learning. Tuttavia, un altro modello di clustering che puoi usare è il clustering gerarchico agglomerativo. In Python puoi ricavare il numero ottimale di cluster per questa tecnica sia in modo visivo sia matematico. Userai i moduli scipy e sklearn per entrambi gli approcci.
Ricorda che la selezione del numero ottimale di cluster da un dendrogramma dipende sia dal criterio di collegamento (linkage) sia dalla soglia di distanza. Qui creerai un dendrogramma con la matrice X ricavata da diabetes, poi traccerai una linea immaginaria all’altezza 1.50, contando il numero di linee verticali incrociate per rappresentare il numero ottimale di cluster per il tuo algoritmo di clustering gerarchico da qui in avanti.
Questo esercizio fa parte del corso
Esercitarsi con le domande di colloquio di Machine Learning in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import hierarchical clustering libraries
import ____.____.____ as sch
from ____.____ import ____