1. 학습
    2. /
  2. 강의
    3. /
  3. Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Connected

연습 문제

Hierarchiczne grupowanie aglomeracyjne

W poprzednim ćwiczeniu zobaczyłeś, jak liczba klastrów podczas grupowania K-means może wpływać na wyniki – co pozwala swobodnie omawiać tę metodę podczas rozmowy kwalifikacyjnej z uczenia maszynowego. Istnieje jednak inny algorytm grupowania: hierarchiczne grupowanie aglomeracyjne. W Pythonie możesz wyznaczyć optymalną liczbę klastrów dla tej techniki zarówno wizualnie, jak i matematycznie. Skorzystasz z modułów scipy i sklearn, aby zrobić jedno i drugie.

Pamiętaj, że wybór optymalnej liczby klastrów z dendrogramu zależy od kryterium łączenia i progu odległości. Stworzysz dendrogram na podstawie macierzy X ze zbioru diabetes, a następnie poprowadzisz wyobrażoną linię na poziomie 1,50 – licząc przecięcia z liniami pionowymi, aby wyznaczyć optymalną liczbę klastrów dla algorytmu hierarchicznego.

지침 1/4

undefined XP
    1
    2
    3
    4
  • Zaimportuj odpowiednie pakiety potrzebne do stworzenia dendrogramu i przeprowadzenia hierarchicznego grupowania aglomeracyjnego.