始める無料で始める

穀物はいくつのクラスタ？

動画では、k-means の慣性グラフを使ってデータセットに適したクラスタ数を選ぶ方法を学びました。ここでは、穀物サンプルの測定値（面積、周囲長、長さなど）を含む配列 samples が与えられています。今回はクラスタ数はいくつが良さそうでしょうか？

KMeans と PyPlot（plt）はすでにインポート済みです。

このデータセットは UCI Machine Learning Repository から取得しました。

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

  • 与えられた各 k の値について、次を実行します。
  • k 個のクラスタを持つ KMeans インスタンス model を作成します。
  • モデルを穀物データ samples に適合させます。
  • model の inertia_ 属性の値をリスト inertias に追加します。
  • ks と inertias をプロットするコードは用意してあります。プロットを見るために 提出する をクリックしてください！

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。

ks = range(1, 6)
inertias = []

for k in ks:
    # Create a KMeans instance with k clusters: model
    ____
    
    # Fit model to samples
    ____
    
    # Append the inertia to the list of inertias
    ____
    
# Plot ks vs inertias
plt.plot(ks, inertias, '-o')
plt.xlabel('number of clusters, k')
plt.ylabel('inertia')
plt.xticks(ks)
plt.show()
コードを編集して実行