對 2D 點進行分群
從上一題的散佈圖可以看出，這些點似乎可以分成 3 個叢集。你現在要建立一個 KMeans 模型來找出 3 個叢集，並將它擬合到上一題的資料點。模型擬合完成後，你會用 .predict() 方法為一些新點取得叢集標籤。
你會拿到上一題中的陣列 points，以及一個陣列 new_points。
本練習屬於課程
Unsupervised Learning in Python
練習說明
- 從
sklearn.cluster匯入KMeans。 - 使用
KMeans()建立一個名為model的KMeans實例，來尋找3個叢集。請用關鍵字參數n_clusters指定叢集數量。 - 使用
model的.fit()方法，將模型擬合到陣列points。 - 使用
model的.predict()方法，為new_points預測叢集標籤，並將結果指定給labels。 - 按下送出以查看
new_points的叢集標籤。
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 KMeans
____
# Create a KMeans instance with 3 clusters: model
model = ____
# Fit model to points
____
# Determine the cluster labels of new_points: labels
labels = ____
# Print cluster labels of new_points
print(labels)