ComeçarComece de graça

Agrupamento de pontos 2D

No gráfico de dispersão do exercício anterior, você viu que os pontos parecem se separar em três grupos. Agora você vai criar um modelo KMeans pra achar 3 clusters e ajustá-lo aos pontos de dados do exercício anterior. Depois que o modelo estiver ajustado, você vai conseguir os rótulos dos clusters para alguns pontos novos usando o método .predict().

Você tem a matriz points do exercício anterior e também uma matriz new_points.

Este exercício faz parte do curso

Aprendizado não supervisionado em Python

Ver curso

Instruções do exercício

  • Importe KMeans de sklearn.cluster.
  • Usando KMeans(), crie uma instância do KMeans chamada model para encontrar clusters 3. Para especificar o número de clusters, use o argumento de palavra-chave “ n_clusters ”.
  • Use o método “ .fit() ” de “ model ” para ajustar o modelo à matriz de pontos “ points ”.
  • Use o método “ .predict() ” de model para prever os rótulos dos clusters de new_points, colocando o resultado em labels.
  • Clique em enviar para ver os rótulos do cluster de new_points.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)
Editar e executar o código