用于反馈聚类的 K-means
您有一个反馈回复的数据集，并使用 GPT 模型为每条回复计算了置信度分数。为识别异常或离群的反馈，您将对低置信度的回复应用 k-means 聚类。
KMeans 算法、reviews 和 confidences 变量，以及 np 库都已预加载。
本练习是课程的一部分
来自人类反馈的强化学习（RLHF）
练习说明
- 初始化 k-means 算法。将
random_state设为42以便代码可复现。 - 计算与聚类中心的距离，通过
data与对应聚类中心的差来识别离群点。
交互式实操练习
通过完成这段示例代码来试试这个练习。
def detect_anomalies(data, n_clusters=3):
# Initialize k-means
____
clusters = kmeans.fit_predict(data)
centers = kmeans.cluster_centers_
# Calculate distances from cluster centers
____
return distances
anomalies = detect_anomalies(confidences)
print(anomalies)