K-means クラスタリング
Machine Learning の面接では、K-means クラスタリングの出力を使って、そのアルゴリズムとしての性能をどのように評価するかを問われることがあります。
この演習では K-means クラスタリングを実践します。クラスタ数 k の異なるモデルを .inertia_ 属性で比較し、次の演習でクラスタ数の評価にもこの情報を活用します。
diabetes データセットの目的変数は progression であることを思い出してください。
現在のパイプライン上の位置:
この演習はコースの一部です
Pythonで学ぶMachine Learning面接対策
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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_)