穀物有幾個叢集？
在影片中，你學到如何利用 k-means 的慣性（inertia）圖來為資料集選擇合適的叢集數。這裡提供了一個陣列 samples，包含穀物樣本的量測值（例如面積、周長、長度等）。在這個例子中，幾個叢集比較合適？
KMeans 和 PyPlot（plt）已為你匯入。
本資料集來自 UCI Machine Learning Repository。
本練習屬於課程
Unsupervised Learning in Python
練習說明
- 對於給定的每個
k值，依序完成以下步驟： - 建立一個具有
k個叢集、名為model的KMeans實例。 - 將模型擬合到穀物資料
samples。 - 取出
model的inertia_屬性值，並將其附加到清單inertias。 - 繪製
ks對inertias的程式碼已經為你寫好，按下送出即可看到圖表！
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。
ks = range(1, 6)
inertias = []
for k in ks:
# Create a KMeans instance with k clusters: model
____
# Fit model to samples
____
# Append the inertia to the list of inertias
____
# Plot ks vs inertias
plt.plot(ks, inertias, '-o')
plt.xlabel('number of clusters, k')
plt.ylabel('inertia')
plt.xticks(ks)
plt.show()