シルエット法
前のレッスンでは、クラスタ数を変えると K-Means アルゴリズムの性能がどのように変わるかを体験しました。面接の文脈では、最適なクラスタ数を選ぶことがベストな結果につながるため、特に重要です。
この演習では、sklearn.metrics の silhouette_score() 関数を使い、diabetes DataFrame に対して実行した K-Means アルゴリズムの評価を行い、最適なクラスタ数を見つけるためのシルエット法を適用します。スコア計算にはユークリッド距離を使用します。これはエルボー法との比較可能性を確保するためです。
K-Means モデルの学習に使う特徴行列 X はあらかじめ作成されています。
これまでの演習と同じパイプラインの位置にいますが、ここでは予測も追加します。
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 modules
from sklearn.____ import ____
from sklearn.____ import ____