Zacznij terazZacznij za darmo

Grupowanie punktów 2D

Z wykresu punktowego z poprzedniego ćwiczenia widać, że punkty wydają się dzielić na 3 klastry. Teraz utworzysz model KMeans, który znajdzie 3 klastry, i dopasujesz go do punktów danych z poprzedniego ćwiczenia. Po dopasowaniu modelu użyjesz metody .predict(), aby uzyskać etykiety klastrów dla nowych punktów.

Do dyspozycji masz tablicę points z poprzedniego ćwiczenia oraz tablicę new_points.

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj KMeans z sklearn.cluster.
  • Używając KMeans(), utwórz instancję KMeans o nazwie model, która znajdzie 3 klastry. Aby określić liczbę klastrów, użyj argumentu słownikowego n_clusters.
  • Użyj metody .fit() modelu model, aby dopasować go do tablicy punktów points.
  • Użyj metody .predict() modelu model, aby przewidzieć etykiety klastrów dla new_points — wynik przypisz do zmiennej labels.
  • Kliknij Prześlij odpowiedź, aby zobaczyć etykiety klastrów dla new_points.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import KMeans
____

# Create a KMeans instance with 3 clusters: model
model = ____

# Fit model to points
____

# Determine the cluster labels of new_points: labels
labels = ____

# Print cluster labels of new_points
print(labels)
Edytuj i uruchom kod