计算误差平方和

在本练习中，您将计算不同簇数量（从 1 到 15）的误差平方和。此处我们使用一个自定义数据集，以便更清晰地读取肘部法图形。

我们已将标准化后的数据加载为 data_normalized。来自 scikit-learn 的 KMeans 模块已导入。同时，我们已初始化一个空字典 sse = {} 用于存储误差平方和。

您可以在控制台中自由探索数据。

本练习是课程的一部分

Python 中的客户细分

查看课程

练习说明

在 1 到 15 的范围内，为每个 k 拟合 KMeans 并计算 SSE。
使用 k 个簇并将 random state 设为 1 来初始化 KMeans。
在标准化后的数据集上拟合 KMeans。
将簇内平方距离之和赋给 sse 字典中键为 k 的元素。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Fit KMeans and calculate SSE for each k
for k in range(____, ____):
  
    # Initialize KMeans with k clusters
    kmeans = ____(n_clusters=____, random_state=1)
    
    # Fit KMeans on the normalized dataset
    kmeans.____(data_normalized)
    
    # Assign sum of squared distances to k element of dictionary
    sse[____] = kmeans.____

编辑并运行代码