K-means 聚类

在机器学习面试中，您可能会被问到：如何利用 K-means 聚类的输出结果来评估其作为最佳算法的表现。

在本练习中，您将实践 K-means 聚类。使用 .inertia_ 属性比较不同聚类数 k 的模型。接下来，您还会用这些信息在下一个练习中评估聚类数量。

回顾一下，diabetes 数据集中的目标变量是 progression。

您当前所处的流程阶段：

Machine learning pipeline

本练习是课程的一部分

用 Python 练习机器学习面试题

查看课程

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 module
from sklearn.cluster import KMeans

# Create feature matrix
X = diabetes.____("____", axis=1)

# Instantiate
kmeans = KMeans(n_clusters=2, random_state=123)

# Fit
fit = kmeans.____(____)

# Print inertia
print("Sum of squared distances for 2 clusters is", kmeans.inertia_)

编辑并运行代码