計算並繪製平方誤差總和

現在，你要計算叢集數從 1 到 10 時的平方誤差總和。

你會使用上一個練習中建立並正規化過的 RFMT 資料，已存為 datamart_rfmt_normalized。scikit-learn 的 KMeans 模組也已匯入。我們也已初始化一個空的字典 sse = {} 用來儲存平方誤差總和。

可以在主控台自由探索資料。

本練習屬於課程

Python 的客群分群

檢視課程

練習說明

以 k 個叢集與 random state 設為 1 初始化 KMeans，並在正規化後的資料集上進行擬合。
將平方距離總和指定給字典 sse 中對應 k 的元素。
加上繪圖標題「The Elbow Method」、X 軸標籤「k」，以及 Y 軸標籤「SSE」。
將字典中以鍵儲存的每個 k 對應的 SSE 值繪製出來。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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()

編輯並執行程式碼