Hierarkisk agglomerativ klustring
I förra övningen såg du hur antalet kluster vid K-means-klustring kan påverka resultaten, vilket gör att du kan diskutera K-means i en maskininlärningsintervju. En annan klustringsmodell du kan använda är hierarkisk agglomerativ klustring. I Python kan du bestämma det optimala antalet kluster för den här tekniken både visuellt och matematiskt. Du använder modulerna scipy och sklearn för att göra båda.
Kom ihåg att välja det optimala antalet kluster från ett dendrogram beror på både länkningskriterierna och avståndströskvärdet. Här skapar du ett dendrogram med matrisen X från diabetes, och drar sedan en tänkt linje vid längden 1,50 och räknar antalet korsade vertikala linjer – detta representerar det optimala antalet kluster för din hierarkiska klustringsalgoritm.
Den här övningen är en del av kursen
Öva på maskininlärningsintervjufrågor i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import hierarchical clustering libraries
import ____.____.____ as sch
from ____.____ import ____