Metoda łokcia
Wynik silhouette i metoda łokcia wzajemnie uzupełniają swoje wyniki. Podczas rozmowy kwalifikacyjnej z zakresu uczenia maszynowego możesz zostać zapytany o jedną z tych metod – umiejętność omówienia obu w odpowiednim kontekście znacznie wzbogaci twoją odpowiedź.
W tym ćwiczeniu dla każdej wartości k zainicjalizujesz model K-średnich i użyjesz atrybutu inertia_, aby wyznaczyć sumę kwadratów odległości próbek od najbliższego centrum klastra. Na wykresie miejsce, w którym krzywa gwałtownie zmienia swój bieg, tworzy charakterystyczny „łokieć".
Pamiętaj z poprzedniej lekcji, że wraz ze wzrostem wartości k wartość inertia_ malała.
Zaimportowane zostały już dla ciebie: matplotlib.pyplot jako plt oraz KMeans z sklearn.cluster. Macierz cech X jest również gotowa do użycia.
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create empty list
sum_of_squared_distances = ____