Clustering K-means
Într-un interviu de machine learning, s-ar putea să fii întrebat cum poate fi folosit rezultatul clustering-ului K-means pentru a evalua performanța acestuia ca cel mai bun algoritm.
În acest exercițiu vei exersa clustering-ul K-means. Folosind atributul .inertia_ pentru a compara modele cu diferite număruri de clustere, k, vei utiliza apoi aceste informații pentru a evalua numărul de clustere în exercițiul următor.
Reține că variabila țintă din setul de date diabetes este progression.
Unde te afli în pipeline:
Acest exercițiu face parte din cursul
Exersează întrebări de interviu pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import module
from sklearn.cluster import KMeans
# Create feature matrix
X = diabetes.____("____", axis=1)
# Instantiate
kmeans = KMeans(n_clusters=2, random_state=123)
# Fit
fit = kmeans.____(____)
# Print inertia
print("Sum of squared distances for 2 clusters is", kmeans.inertia_)