Метод силуета
У попередньому уроці ви побачили, як різна кількість кластерів впливає на роботу алгоритму K-Means. Це особливо важливо на співбесіді, адже оптимальна кількість кластерів дає найкращі результати.
У цій вправі ви використовуватимете функцію silhouette_score() з sklearn.metrics для алгоритмів K-Means, запущених на датафреймі diabetes, щоб застосувати метод силуета для пошуку оптимальної кількості кластерів. Зверніть увагу, що для обчислення показника використовується евклідова відстань, щоб забезпечити порівнюваність із методом ліктя (Elbow).
Матрицю ознак X, яку ви використаєте для навчання моделей K-Means, уже створено для вас.
Ви перебуваєте на тій самій стадії конвеєра, що й у попередніх вправах, але тут ви також додасте передбачення:
Ця вправа є частиною курсу
Практика співбесід з Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____