เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

วิธี Elbow

คะแนน silhouette และวิธี elbow ต่างช่วยยืนยันผลลัพธ์ที่ได้จากกันและกัน ในการสัมภาษณ์งานด้าน machine learning คุณอาจถูกถามเกี่ยวกับวิธีใดวิธีหนึ่ง แต่การอธิบายรายละเอียดของวิธีหนึ่งในบริบทของอีกวิธีจะช่วยเสริมคำตอบให้ครบถ้วนยิ่งขึ้น

ในแบบฝึกหัดนี้ สำหรับแต่ละค่า k ให้สร้างโมเดล K-means และใช้แอตทริบิวต์ inertia_ เพื่อหาผลรวมของระยะทางกำลังสองจากแต่ละตัวอย่างไปยังศูนย์กลางคลัสเตอร์ที่ใกล้ที่สุด ซึ่งเมื่อพล็อตแล้วจะปรากฏเป็น 'ข้อศอก' (elbow) บนกราฟ

จำไว้ว่าในบทที่แล้ว เมื่อค่า k เพิ่มขึ้น ค่า inertia_ จะลดลง

มีการ import matplotlib.pyplot เป็น plt และ KMeans จาก sklearn.cluster ไว้ให้แล้ว รวมถึงเมทริกซ์ฟีเจอร์ X ก็ถูกสร้างไว้ให้เรียบร้อย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create empty list
sum_of_squared_distances = ____
แก้ไขและรันโค้ด