对二维点进行聚类
在上一个练习的散点图中，您看到这些点似乎可分成 3 个簇。现在，您将创建一个 KMeans 模型来寻找 3 个簇，并将其拟合到上一个练习的数据点上。模型拟合完成后，您将使用 .predict() 方法获取一些新点的簇标签。
已为您提供上一个练习中的数组 points，以及一个数组 new_points。
本练习是课程的一部分
Python 中的无监督学习
练习说明
- 从
sklearn.cluster导入KMeans。 - 使用
KMeans()创建名为model的KMeans实例，用于寻找3个簇。要指定簇的数量，请使用关键字参数n_clusters。 - 使用
model的.fit()方法，将模型拟合到数组points。 - 使用
model的.predict()方法，预测new_points的簇标签，并将结果赋给labels。 - 点击 提交答案 查看
new_points的簇标签。
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 KMeans
____
# Create a KMeans instance with 3 clusters: model
model = ____
# Fit model to points
____
# Determine the cluster labels of new_points: labels
labels = ____
# Print cluster labels of new_points
print(labels)