Кластеризація K-means

Дуже поширений алгоритм кластеризації — це K-means clustering. Для виявлення шахрайства K-means простий у впровадженні та доволі потужний для прогнозування підозрілих випадків. Це гарний алгоритм для старту, коли працюєте над задачами з виявлення шахрайства. Однак дані про шахрайство часто є дуже великими, особливо коли йдеться про транзакції. MiniBatch K-means — це ефективний спосіб запуску K-means на великому наборі даних, і саме його ви використаєте у цій вправі.

Масштабовані дані з попередньої вправи, X_scaled, доступні. Спробуймо.

Ця вправа є частиною курсу

Виявлення шахрайства в Python

Переглянути курс

Інструкції до вправи

Імпортуйте MiniBatchKMeans зі sklearn.
Ініціалізуйте модель minibatch kmeans з 8 кластерами.
Навчіть модель на масштабованих даних.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import MiniBatchKmeans 
from sklearn.cluster import ____

# Define the model 
kmeans = ____(n_clusters=____, random_state=0)

# Fit the model to the scaled data
kmeans.____(____)

Редагувати та запускати код