轮廓系数法（Silhouette method）

在上一节课中，您已经体会到聚类数量的不同如何影响 K-Means 算法的表现。在面试情境下，这一点尤为关键，因为选择最优聚类数能带来最佳结果。

本练习中，您将对在 diabetes 数据框上运行的 K-Means 算法，使用 sklearn.metrics 中的 silhouette_score() 函数，执行轮廓系数法以寻找最优聚类数。请注意，计算得分时将使用欧氏距离（euclidian distance），以确保与肘部法（Elbow method）具有可比性。

用于训练 K-Means 模型的特征矩阵 X 已为您创建。

您在流水线中的位置与前几个练习相同，但这里您还将加入预测步骤： 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 modules
from sklearn.____ import ____
from sklearn.____ import ____

编辑并运行代码