Zacznij terazZacznij za darmo

Ile skupień dla ziaren?

W lekcji wideo poznałeś/-aś metodę doboru optymalnej liczby skupień w zbiorze danych za pomocą wykresu inercji k-means. Masz do dyspozycji tablicę samples zawierającą pomiary próbek ziaren (takie jak pole powierzchni, obwód, długość i kilka innych). Jaka liczba skupień będzie tu najlepsza?

KMeans oraz PyPlot (plt) zostały już zaimportowane.

Ten zbiór danych pochodzi z UCI Machine Learning Repository.

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Dla każdej z podanych wartości k wykonaj następujące kroki:
  • Utwórz instancję KMeans o nazwie model z k skupieniami.
  • Dopasuj model do danych o ziarnach samples.
  • Dołącz wartość atrybutu inertia_ obiektu model do listy inertias.
  • Kod rysujący wykres ks względem inertias jest już gotowy – kliknij Prześlij odpowiedź, aby zobaczyć wykres!

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

ks = range(1, 6)
inertias = []

for k in ks:
    # Create a KMeans instance with k clusters: model
    ____
    
    # Fit model to samples
    ____
    
    # Append the inertia to the list of inertias
    ____
    
# Plot ks vs inertias
plt.plot(ks, inertias, '-o')
plt.xlabel('number of clusters, k')
plt.ylabel('inertia')
plt.xticks(ks)
plt.show()
Edytuj i uruchom kod