Hata kareleri toplamını hesapla

Bu egzersizde, küme sayısı 1'den 15'e kadar değişirken hata kareleri toplamını hesaplayacaksın. Bu örnekte, dirsek yöntemini daha net görebilmek için özel oluşturulmuş bir veri kümesi kullanıyoruz.

Verinin normalize edilmiş hali data_normalized olarak yüklendi. scikit-learn içindeki KMeans modülü zaten içe aktarıldı. Ayrıca, hata kareleri toplamını saklamak için boş bir sözlük başlattık: sse = {}.

Konsolda veriyi keşfetmekten çekinme.

Bu egzersiz, kursun bir parçasıdır

Python ile Müşteri Segmentasyonu

Kursa Göz Atın

Egzersiz talimatları

1 ile 15 arasındaki her k için KMeans'i uygula ve HKT'yi (SSE) hesapla.
KMeans'i k küme ve random state 1 ile başlat.
KMeans'i normalize edilmiş veri kümesi üzerinde eğit.
Kareler toplamı uzaklıkları sse sözlüğünün k elemanına ata.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Fit KMeans and calculate SSE for each k
for k in range(____, ____):
  
    # Initialize KMeans with k clusters
    kmeans = ____(n_clusters=____, random_state=1)
    
    # Fit KMeans on the normalized dataset
    kmeans.____(data_normalized)
    
    # Assign sum of squared distances to k element of dictionary
    sse[____] = kmeans.____

Kodu Düzenle ve Çalıştır