Kom igångKom igång gratis

Uniforma klustringsmönster

Nu när du är bekant med hur slumpmässiga startvärden påverkar resultatet, ska vi titta på k-means-klustringens tendens att bilda uniforma kluster.

I nästa övning använder vi ett musliknande dataset. Ett musliknande dataset är en grupp punkter som liknar huvudet på en mus: det består av tre kluster arrangerade i cirklar – ett för ansiktet och ett för vardera örat.

Så här ser ett typiskt musliknande dataset ut (Källa).

Data är lagrad i en pandas DataFrame, mouse. x_scaled och y_scaled är kolumnnamnen för de standardiserade X- och Y-koordinaterna för datapunkterna.

Den här övningen är en del av kursen

Klusteranalys i Python

Visa kurs

Övningsinstruktioner

  • Importera funktionerna kmeans och vq från SciPy.
  • Generera klustercenter med funktionen kmeans() och tre kluster.
  • Skapa klusteretiketterna med vq() och de klustercenter som genererades ovan.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the kmeans and vq functions
____

# Generate cluster centers
cluster_centers, distortion = ____

# Assign cluster labels
mouse['cluster_labels'], distortion_list = ____

# Plot clusters
sns.scatterplot(x='x_scaled', y='y_scaled', 
                hue='cluster_labels', data = mouse)
plt.show()
Redigera och kör kod