Silhouette 方法

在上一個課程中，你已經體會到叢集數量不同會如何影響 K-Means 演算法的效能。這在面試情境中特別重要，因為找出最佳的叢集數能帶來最好的結果。

在這個練習中，你會對在 diabetes DataFrame 上執行的 K-Means 演算法使用 sklearn.metrics 的 silhouette_score() 函式，來實作 Silhouette 方法以尋找最佳的叢集數。請注意，計算分數時會使用歐幾里得距離（euclidian distance），以確保它和 Elbow 方法之間具有可比性。

訓練 K-Means 模型所需的特徵矩陣 X 已經為你建立好。

你目前在流程中的位置與前幾個練習相同，不過這裡你還會加入「預測」這一步： Machine learning pipeline

本練習屬於課程

用 Python 練習機器學習面試題

檢視課程

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。

# Import modules
from sklearn.____ import ____
from sklearn.____ import ____

編輯並執行程式碼