Вычисление суммы квадратов ошибок

В этом упражнении вы вычислите сумму квадратов ошибок для разного числа кластеров — от 1 до 15. В качестве примера используется специально подготовленный набор данных, который даёт более чёткий «перегиб» на графике.

Нормализованная версия данных загружена как data_normalized. Модуль KMeans из scikit-learn уже импортирован. Кроме того, инициализирован пустой словарь для хранения суммы квадратов ошибок: sse = {}.

Вы можете исследовать данные в консоли.

Это упражнение является частью курса

Сегментация клиентов в Python

Посмотреть курс

Инструкции к упражнению

Обучите KMeans и вычислите SSE для каждого k в диапазоне от 1 до 15.
Инициализируйте KMeans с k кластерами и случайным состоянием 1.
Обучите KMeans на нормализованном наборе данных.
Присвойте сумму квадратов расстояний элементу k словаря sse.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Fit KMeans and calculate SSE for each k
for k in range(____, ____):
  
    # Initialize KMeans with k clusters
    kmeans = ____(n_clusters=____, random_state=1)
    
    # Fit KMeans on the normalized dataset
    kmeans.____(data_normalized)
    
    # Assign sum of squared distances to k element of dictionary
    sse[____] = kmeans.____

Редактировать и запускать код