開始使用免費開始

為分群進行魚類資料的縮放標準化

給你一個陣列 samples，其中包含魚類的量測值。每一列代表一條魚。這些量測（例如重量（公克）、長度（公分），以及高度對長度的百分比）在尺度上差異很大。為了有效地對這些資料進行分群，你需要先將這些特徵標準化。在本練習中，你會建立一個 pipeline，先將資料標準化，再進行分群。

這些魚類量測資料來自 Journal of Statistics Education。

本練習屬於課程

Unsupervised Learning in Python

檢視課程

練習說明

  • 匯入：
    • 從 sklearn.pipeline 匯入 make_pipeline。
    • 從 sklearn.preprocessing 匯入 StandardScaler。
    • 從 sklearn.cluster 匯入 KMeans。
  • 建立一個名為 scaler 的 StandardScaler 實例。
  • 建立一個有 4 個叢集、名為 kmeans 的 KMeans 實例。
  • 建立名為 pipeline 的 pipeline，將 scaler 與 kmeans 串接起來。要做到這點，只需要把它們作為引數傳入 make_pipeline()。

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。

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

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____
編輯並執行程式碼