เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การจัดกลุ่มจุดใน 2D

จาก scatter plot ในแบบฝึกหัดก่อนหน้า จะเห็นว่าจุดต่าง ๆ ดูเหมือนจะแยกออกเป็น 3 คลัสเตอร์ ในแบบฝึกหัดนี้จะสร้างโมเดล KMeans เพื่อค้นหา 3 คลัสเตอร์ แล้ว fit กับจุดข้อมูลจากแบบฝึกหัดก่อนหน้า หลังจาก fit โมเดลแล้ว จะใช้เมธอด .predict() เพื่อหา label ของคลัสเตอร์สำหรับจุดข้อมูลใหม่

มีอาร์เรย์ points จากแบบฝึกหัดก่อนหน้า และอาร์เรย์ new_points ให้พร้อมแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Unsupervised Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า KMeans จาก sklearn.cluster
  • ใช้ KMeans() สร้าง instance ของ KMeans ชื่อ model เพื่อค้นหา 3 คลัสเตอร์ โดยระบุจำนวนคลัสเตอร์ผ่าน keyword argument n_clusters
  • ใช้เมธอด .fit() ของ model เพื่อ fit โมเดลกับอาร์เรย์จุดข้อมูล points
  • ใช้เมธอด .predict() ของ model เพื่อทำนาย label ของคลัสเตอร์สำหรับ new_points แล้วเก็บผลลัพธ์ไว้ในตัวแปร labels
  • คลิก ส่งคำตอบ เพื่อดู label ของคลัสเตอร์ของ new_points

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด