K-means 클러스터링
Machine Learning 면접에서는 K-means 클러스터링의 출력이 알고리즘 성능을 평가하는 데 어떻게 쓰일 수 있는지 설명해 달라는 질문을 받을 수 있어요.
이번 연습 문제에서는 K-means 클러스터링을 실습합니다. 클러스터 개수 k가 다른 모델들을 .inertia_ 속성으로 비교하고, 다음 연습 문제에서 이 정보를 활용해 최적의 클러스터 수를 평가해 볼 거예요.
diabetes 데이터셋에서 타깃 변수는 progression임을 기억하세요.
현재 파이프라인에서의 위치:
이 연습은 강의의 일부입니다
Python으로 연습하는 Machine Learning 면접 질문
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import module
from sklearn.cluster import KMeans
# Create feature matrix
X = diabetes.____("____", axis=1)
# Instantiate
kmeans = KMeans(n_clusters=2, random_state=123)
# Fit
fit = kmeans.____(____)
# Print inertia
print("Sum of squared distances for 2 clusters is", kmeans.inertia_)