Kom igångKom igång gratis

Skalning av fiskdata inför klustring

Du har tillgång till en array samples med mätningar av fiskar. Varje rad representerar en enskild fisk. Mätvärdena – till exempel vikt i gram, längd i centimeter och höjd-till-längd-kvoten i procent – har mycket olika skalor. För att kunna klustra dessa data på ett effektivt sätt behöver du först standardisera särdragen. I den här övningen bygger du en pipeline som standardiserar och klustar datan.

Dessa fiskdata hämtades från Journal of Statistics Education.

Den här övningen är en del av kursen

Oövervakad inlärning i Python

Visa kurs

Övningsinstruktioner

  • Importera:
    • make_pipeline från sklearn.pipeline.
    • StandardScaler från sklearn.preprocessing.
    • KMeans från sklearn.cluster.
  • Skapa en instans av StandardScaler med namnet scaler.
  • Skapa en instans av KMeans med 4 kluster med namnet kmeans.
  • Skapa en pipeline med namnet pipeline som kedjar ihop scaler och kmeans. Det gör du genom att skicka in dem som argument till make_pipeline().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Perform the necessary imports
from ____ import ____
from ____ import ____
from ____ import ____

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
Redigera och kör kod