始める無料で始める

2次元点のクラスタリング

前の演習の散布図から、点は3つのクラスタに分かれそうだと分かりました。ここでは3つのクラスタを見つけるための KMeans モデルを作成し、前の演習で使ったデータ点にフィットさせます。モデルをフィットしたら、.predict() メソッドを使って新しい点のクラスタラベルを取得します。

前の演習で作成した配列 points と、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 をインポートします。
  • KMeans() を使って、3 つのクラスタを見つける KMeans インスタンス model を作成します。クラスタ数はキーワード引数 n_clusters で指定します。
  • model の .fit() メソッドを使い、配列 points にモデルをフィットさせます。
  • model の .predict() メソッドを使って、new_points のクラスタラベルを予測し、結果を labels に代入します。
  • 提出して、new_points のクラスタラベルを確認しましょう。

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