Zacznij terazZacznij za darmo

Skalowanie danych o rybach przed grupowaniem

Masz do dyspozycji tablicę samples zawierającą pomiary ryb. Każdy wiersz reprezentuje jedną rybę. Pomiary – takie jak masa w gramach, długość w centymetrach czy procentowy stosunek wysokości do długości – mają bardzo różne skale. Aby skutecznie pogrupować te dane, najpierw trzeba je wystandaryzować. W tym ćwiczeniu zbudujesz potok, który połączy standaryzację z grupowaniem.

Dane o pomiarach ryb pochodzą z Journal of Statistics Education.

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj:
    • make_pipeline z sklearn.pipeline.
    • StandardScaler z sklearn.preprocessing.
    • KMeans z sklearn.cluster.
  • Utwórz instancję StandardScaler o nazwie scaler.
  • Utwórz instancję KMeans z 4 skupieniami o nazwie kmeans.
  • Utwórz potok o nazwie pipeline, który łączy scaler i kmeans. Wystarczy przekazać je jako argumenty do make_pipeline().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Perform the necessary imports
from ____ import ____
from ____ import ____
from ____ import ____

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
Edytuj i uruchom kod