1. Learn
    2. /
  2. Курси
    3. /
  3. Практика співбесід з Machine Learning у Python
Connected

Вправа

Ієрархічне агломеративне кластеризування

У попередній вправі ви побачили, як кількість кластерів під час виконання кластеризації K-means може вплинути на результат, що дає змогу обговорювати K-means на співбесіді з машинного навчання. Однак ви можете використати й іншу модель кластеризації — ієрархічне агломеративне кластеризування. У Python можна визначити оптимальну кількість кластерів для цього підходу як візуально, так і математично. Ви використаєте модулі scipy та sklearn для обох підходів.

Згадайте, що вибір оптимальної кількості кластерів за дендрограмою залежить і від критерію зв'язування (linkage), і від порогу відстані. Тут ви створите дендрограму на основі матриці X з diabetes, а потім проведете уявну горизонтальну лінію на рівні 1,50, порахувавши кількість вертикальних відрізків, які вона перетинає. Це і буде оптимальна кількість кластерів для вашого алгоритму ієрархічного кластеризування надалі.

Інструкції 1/4

undefined XP
    1
    2
    3
    4
  • Імпортуйте потрібні пакети, щоб створити дендрограму та виконати агломеративне ієрархічне кластеризування.