K-means kümeleme
Bir Machine Learning mülakatında, K-means kümelemenin çıktısının performansı en iyi algoritma olarak değerlendirmekte nasıl kullanılabileceği sorulabilir.
Bu egzersizde K-means kümelemeyi uygulayacaksın. Farklı küme sayılarına, k, sahip modelleri karşılaştırmak için .inertia_ özniteliğini kullanacak ve sonraki egzersizde bu bilgiden yararlanarak en uygun küme sayısını değerlendireceksin.
diabetes veri kümesindeki hedef değişkenin progression olduğunu unutma.
Boru hattında bulunduğun aşama:
Bu egzersiz, kursun bir parçasıdır
Python ile Machine Learning Mülakat Sorularını Pratik Etme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Import module
from sklearn.cluster import KMeans
# Create feature matrix
X = diabetes.____("____", axis=1)
# Instantiate
kmeans = KMeans(n_clusters=2, random_state=123)
# Fit
fit = kmeans.____(____)
# Print inertia
print("Sum of squared distances for 2 clusters is", kmeans.inertia_)