Kom igångKom igång gratis

Klustra 2D-punkter

I spridningsdiagrammet från föregående övning såg du att punkterna verkar dela upp sig i 3 kluster. Nu ska du skapa en KMeans-modell för att hitta 3 kluster och anpassa den till datapunkterna från föregående övning. När modellen har anpassats hämtar du klusteretiketterna för några nya punkter med hjälp av metoden .predict().

Du har tillgång till arrayen points från föregående övning samt en array new_points.

Den här övningen är en del av kursen

Oövervakad inlärning i Python

Visa kurs

Övningsinstruktioner

  • Importera KMeans från sklearn.cluster.
  • Skapa en KMeans-instans som heter model med hjälp av KMeans() för att hitta 3 kluster. Använd nyckelordsargumentet n_clusters för att ange antalet kluster.
  • Använd metoden .fit() på model för att anpassa modellen till arrayen med punkter points.
  • Använd metoden .predict() på model för att förutsäga klusteretiketterna för new_points, och tilldela resultatet till labels.
  • Klicka på Skicka in svar för att se klusteretiketterna för new_points.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod