เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การปรับสเกลข้อมูลปลาสำหรับการจัดกลุ่ม

คุณได้รับอาร์เรย์ samples ที่เก็บข้อมูลการวัดของปลา โดยแต่ละแถวแทนปลาหนึ่งตัว ข้อมูลการวัด เช่น น้ำหนักเป็นกรัม ความยาวเป็นเซนติเมตร และสัดส่วนร้อยละของความสูงต่อความยาว มีสเกลที่แตกต่างกันมาก ดังนั้นเพื่อให้การจัดกลุ่มข้อมูลมีประสิทธิภาพ จำเป็นต้องทำ standardize ฟีเจอร์เหล่านี้ก่อน ในแบบฝึกหัดนี้ คุณจะสร้าง pipeline เพื่อ standardize และจัดกลุ่มข้อมูล

ข้อมูลการวัดปลาชุดนี้มาจาก Journal of Statistics Education

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Unsupervised Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า:
    • make_pipeline จาก sklearn.pipeline
    • StandardScaler จาก sklearn.preprocessing
    • KMeans จาก sklearn.cluster
  • สร้าง instance ของ StandardScaler โดยตั้งชื่อว่า scaler
  • สร้าง instance ของ KMeans ที่มี 4 คลัสเตอร์ โดยตั้งชื่อว่า kmeans
  • สร้าง pipeline ชื่อ pipeline ที่เชื่อม scaler และ kmeans เข้าด้วยกัน โดยส่งทั้งสองเป็นอาร์กิวเมนต์ให้กับ make_pipeline()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
แก้ไขและรันโค้ด