Вычисление и визуализация суммы квадратов ошибок

Теперь вы вычислите сумму квадратов ошибок для разного числа кластеров — от 1 до 10.

Вы будете использовать нормализованные данные RFMT, созданные в предыдущем упражнении. Они хранятся в переменной datamart_rfmt_normalized. Модуль KMeans из библиотеки scikit-learn уже импортирован. Также инициализирован пустой словарь для хранения суммы квадратов ошибок: sse = {}.

При желании изучите данные в консоли.

Это упражнение является частью курса

Сегментация клиентов в Python

Посмотреть курс

Инструкции к упражнению

Инициализируйте KMeans с k кластерами и случайным состоянием 1, затем обучите модель на нормализованном наборе данных.
Присвойте сумму квадратов расстояний элементу с ключом k в словаре sse.
Добавьте заголовок графика «The Elbow Method», подпись оси X — «k» и подпись оси Y — «SSE».
Постройте график значений SSE для каждого k, хранящегося в качестве ключа в словаре.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Fit KMeans and calculate SSE for each k between 1 and 10
for k in range(1, 11):
  
    # Initialize KMeans with k clusters and fit it 
    kmeans = ____(____=____, ____=1 ).____(datamart_rfmt_normalized)
    
    # Assign sum of squared distances to k element of the sse dictionary
    ____[____] = kmeans.____   

# Add the plot title, x and y axis labels
plt.____('The Elbow Method')
plt.____('____')
plt.____('____')

# Plot SSE values for each k stored as keys in the dictionary
sns.____(x=list(sse.____()), y=list(sse.____()))
plt.show()

Редактировать и запускать код