วิธี Silhouette
ในบทเรียนที่ผ่านมา คุณได้เห็นแล้วว่าจำนวน cluster ที่แตกต่างกันส่งผลต่อประสิทธิภาพของอัลกอริทึม K-Means อย่างไร ซึ่งเป็นประเด็นสำคัญมากในบริบทของการสัมภาษณ์งาน เพราะจำนวน cluster ที่เหมาะสมจะให้ผลลัพธ์ที่ดีที่สุด
ในแบบฝึกหัดนี้ จะใช้ฟังก์ชัน silhouette_score() จาก sklearn.metrics กับอัลกอริทึม K-Means บน DataFrame diabetes เพื่อทำ Silhouette method สำหรับหาจำนวน cluster ที่เหมาะสม โดยจะใช้ระยะทางแบบ Euclidean ในการคำนวณคะแนน เพื่อให้เปรียบเทียบได้กับ Elbow method
Feature matrix X ที่ใช้สำหรับเทรนโมเดล K-Means ได้ถูกสร้างไว้ให้แล้ว
ตอนนี้อยู่ในขั้นตอนเดียวกับแบบฝึกหัดก่อนหน้า แต่ครั้งนี้จะเพิ่มขั้นตอน การพยากรณ์ เข้าไปด้วย:
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____