Metodo del gomito

I metodi del silhouette score e del gomito offrono una validazione dei risultati che ottieni da ciascuno. In un colloquio di Machine Learning, potrebbero chiederti dell’uno o dell’altro, ma spiegare le specificità di uno nel contesto dell’altro rafforzerà molto la tua risposta.

In questo esercizio, per ogni valore di k, inizializzerai un modello K-means e utilizzerai l’attributo inertia_ per identificare la somma delle distanze quadrate dei campioni dal centroide del cluster più vicino che, una volta tracciata, mostra un “gomito” nel grafico.

Ricorda dalla lezione precedente che, all’aumentare del valore di k, il valore di inertia_ diminuiva.

Sono già stati importati per te matplotlib.pyplot come plt e KMeans da sklearn.cluster. Anche la matrice delle caratteristiche X è stata già creata per te.