Dirsek yöntemi
Bir önceki egzersizde, doğru küme sayısını kontrol etmeden 8 kümeli MiniBatch K-means uyguladın. İlk fraud tespit yaklaşımımız için, özellikle bu kümelerin aykırı değerlerini fraud tahminleri olarak kullanmak istediğinde, küme sayısını doğru belirlemek önemli. Hangi sayıda küme kullanacağına karar vermek için Dirsek yöntemini uygulayalım ve bu yönteme göre en uygun küme sayısının ne olduğuna bakalım.
X_scaled yine kullanımına hazır ve MiniBatchKMeans sklearn içinden içe aktarılmış durumda.
Bu egzersiz, kursun bir parçasıdır
Python ile Sahtekarlık Tespiti
Egzersiz talimatları
- Aralığı 1 ile 5 küme arasında tanımla.
- Liste üreteci kullanarak aralıktaki tüm küme sayıları için MiniBatch K-means çalıştır.
- Her modeli ölçeklenmiş veri üzerinde eğit ve skorları yine ölçeklenmiş veriden elde et.
- Küme numaralarını ve ilgili skorlarını görselleştir; çalışması birkaç saniye sürecek.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Define the range of clusters to try
clustno = range(____, ____)
# Run MiniBatch Kmeans over the number of clusters
kmeans = [____(n_clusters=i, random_state=0) for ____ in ____]
# Obtain the score for each model
score = [kmeans[i].fit(____).score(____) for i in range(len(kmeans))]
# Plot the models and their respective score
plt.plot(____, ____)
plt.xlabel('Number of Clusters')
plt.ylabel('Score')
plt.title('Elbow Curve')
plt.show()