特征对聚类质量的影响

探索单个特征如何影响 KMeans 模型的聚类表现。数据集 X 用于基于 3 个特征进行客户分群：收入、子女数量，以及家中青少年数量。

silhouette_score 函数和变量 column_names 已为您预加载。

本练习是课程的一部分

Python 可解释性 AI

查看课程

练习说明

计算原始轮廓系数（original_score）。
在 for 循环中逐一删除特征，并将结果保存到 X_reduced。
计算新的轮廓系数（new_score）。
计算该特征的 impact。

交互式实操练习

通过完成这段示例代码来试试这个练习。

kmeans = KMeans(n_clusters=5, random_state=10, n_init=10).fit(X)
# Derive the original silhouette score
original_score = ____

for i in range(X.shape[1]):
  	# Remove feature at index i
    X_reduced = ____
    kmeans.fit(X_reduced)
    # Compute the new silhouette score
    new_score = ____
    # Compute the feature's impact
    impact = ____
    print(f'Feature {column_names[i]}: Impact = {impact}')

编辑并运行代码