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.
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import hierarchical clustering libraries
import ____.____.____ as sch
from ____.____ import ____