ÎncepețiÎncepe gratuit

Clusterizarea punctelor 2D

Din diagrama scatter a exercițiului anterior, ai observat că punctele par să se separe în 3 clustere. Acum vei crea un model KMeans pentru a găsi 3 clustere și îl vei antrena pe punctele de date din exercițiul anterior. După antrenarea modelului, vei obține etichetele de cluster pentru câteva puncte noi, folosind metoda .predict().

Ți se oferă array-ul points din exercițiul anterior, precum și un array new_points.

Acest exercițiu face parte din cursul

Învățare nesupervizată în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă KMeans din sklearn.cluster.
  • Folosind KMeans(), creează o instanță KMeans numită model pentru a găsi 3 clustere. Pentru a specifica numărul de clustere, folosește argumentul cheie n_clusters.
  • Folosește metoda .fit() a lui model pentru a antrena modelul pe array-ul de puncte points.
  • Folosește metoda .predict() a lui model pentru a prezice etichetele de cluster ale lui new_points, atribuind rezultatul variabilei labels.
  • Apasă Trimite răspunsul pentru a vedea etichetele de cluster ale lui new_points.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
Editează și rulează codul