始める無料で始める

2次元の点をクラスタリングする

前の演習の散布図から、点は3つのクラスターに分かれているように見えました。今回は、3つのクラスターを見つけるためのk-meansモデルを作成し、前の演習で使ったデータポイントにフィットさせます。モデルをフィットさせたら、.predict()メソッドを使って新しい点のクラスターラベルを取得しましょう。

前の演習で使った配列pointsに加えて、配列new_pointsが与えられています。

この演習はコースの一部です

Pythonで学ぶ教師なし学習

コースを見る

演習の手順

  • sklearn.clusterからKMeansをインポートしてください。
  • KMeans()を使い、3つのクラスターを見つけるためのKMeansインスタンス modelを作成してください。クラスターの数を指定するには、n_clustersキーワード引数を使います。
  • modelの.fit()メソッドを使って、points配列にモデルをフィットさせてください。
  • modelの.predict()メソッドを使ってのnew_pointsクラスターラベルを予測し、その結果をlabelsに代入してください。
  • 「解答を送信」をクリックして、new_pointsのクラスターラベルを確認してください。

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 KMeans
____

# Create a KMeans instance with 3 clusters: model
model = ____

# Fit model to points
____

# Determine the cluster labels of new_points: labels
labels = ____

# Print cluster labels of new_points
print(labels)
コードを編集して実行