K-means 聚类
一种非常常用的聚类算法是 K-means 聚类。在欺诈检测中，K-means 聚类实现简单，且在识别可疑案例方面相对有效。处理欺诈检测问题时，这是一个很好的起点。不过，欺诈相关数据往往规模很大，尤其是在处理交易数据时。MiniBatch K-means 是在大型数据集上实现 K-means 的一种高效方法，您将在本练习中使用它。
上一练习中经过缩放的数据 X_scaled 已可用。让我们来试一试吧。
本练习是课程的一部分
Python 中的欺诈检测
练习说明
- 从
sklearn导入MiniBatchKMeans。 - 以 8 个聚类初始化 MiniBatch KMeans 模型。
- 将模型拟合到已缩放的数据上。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import MiniBatchKmeans
from sklearn.cluster import ____
# Define the model
kmeans = ____(n_clusters=____, random_state=0)
# Fit the model to the scaled data
kmeans.____(____)