始める無料で始める

クラスタリングのための魚のデータ標準化

魚の測定データを格納した配列samplesがあります。各行は1匹の魚を表しています。重さ（グラム）、長さ（センチメートル）、身長に対する体高の割合（パーセント）といった測定値は、それぞれスケールが大きく異なります。このデータを効果的にクラスタリングするには、まずこれらの特徴量を標準化する必要があります。この演習では、データを標準化してクラスタリングするパイプラインを構築します。

この魚の測定データはJournal of Statistics Education から取得したものです。

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

  • 次のモジュールをインポートしてください。
    • sklearn.pipelineからmake_pipeline
    • sklearn.preprocessingからStandardScaler
    • sklearn.clusterからKMeans
  • StandardScalerのインスタンスを作成し、scalerという名前を付けてください。
  • クラスタ数4を指定したKMeansのインスタンスを作成し、kmeans という名前を付けてください。
  • scalerとkmeansを連結したパイプラインを作成し、pipelineという名前を付けてください。これには、make_pipeline()にこれらを引数として渡すだけで構いません。

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。

# Perform the necessary imports
from ____ import ____
from ____ import ____
from ____ import ____

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
コードを編集して実行