Обчисліть і побудуйте графік суми квадратів похибок

Тепер ви обчислите суму квадратів похибок для різної кількості кластерів від 1 до 10.

Ви використаєте нормалізовані дані RFMT, створені у попередній вправі, — вони збережені як datamart_rfmt_normalized. Модуль KMeans зі scikit-learn також імпортовано. Крім того, ми ініціалізували порожній словник для збереження сум квадратів похибок: sse = {}.

За потреби досліджуйте дані в консолі.

Ця вправа є частиною курсу

Сегментація клієнтів у Python

Переглянути курс

Інструкції до вправи

Ініціалізуйте KMeans з k кластерами та random_state 1 і навчіть KMeans на нормалізованому наборі даних.
Присвойте суму квадратів відстаней елементу з ключем k у словнику sse.
Додайте заголовок графіка "The Elbow Method", підпис осі X "k" і підпис осі Y "SSE".
Побудуйте значення SSE для кожного k, що збережені як ключі у словнику.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Fit KMeans and calculate SSE for each k between 1 and 10
for k in range(1, 11):
  
    # Initialize KMeans with k clusters and fit it 
    kmeans = ____(____=____, ____=1 ).____(datamart_rfmt_normalized)
    
    # Assign sum of squared distances to k element of the sse dictionary
    ____[____] = kmeans.____   

# Add the plot title, x and y axis labels
plt.____('The Elbow Method')
plt.____('____')
plt.____('____')

# Plot SSE values for each k stored as keys in the dictionary
sns.____(x=list(sse.____()), y=list(sse.____()))
plt.show()

Редагувати та запускати код