Bắt đầu ngayBắt đầu miễn phí

Phân cụm Wikipedia phần I

Bạn đã thấy trong video rằng TruncatedSVD có thể thực hiện PCA trên các mảng thưa ở định dạng csr_matrix, như các mảng tần suất từ. Hãy kết hợp kiến thức về TruncatedSVD và k-means để phân cụm một số trang phổ biến trên Wikipedia. Trong bài này, hãy xây dựng pipeline. Ở bài tiếp theo, bạn sẽ áp dụng nó lên mảng tần suất từ của một số bài viết Wikipedia.

Tạo một đối tượng Pipeline gồm TruncatedSVD tiếp theo là KMeans. (Lần này, chúng tôi đã tính sẵn ma trận tần suất từ cho bạn, nên không cần dùng TfidfVectorizer).

Bộ dữ liệu Wikipedia bạn sẽ làm việc được lấy từ đây.

Bài tập này là một phần của khóa học

Unsupervised Learning bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Import:
    • TruncatedSVD từ sklearn.decomposition.
    • KMeans từ sklearn.cluster.
    • make_pipeline từ sklearn.pipeline.
  • Tạo một instance TruncatedSVD tên svd với n_components=50.
  • Tạo một instance KMeans tên kmeans với n_clusters=6.
  • Tạo một pipeline tên pipeline gồm svd và kmeans.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Perform the necessary imports
from ____ import ____
from ____ import ____
from ____ import ____

# Create a TruncatedSVD instance: svd
svd = ____

# Create a KMeans instance: kmeans
kmeans = ____

# Create a pipeline: pipeline
pipeline = ____
Chỉnh sửa và Chạy Mã