粮食样本有多少个聚类？

在视频中，您学习了如何使用 k-means 惯性图为数据集选择合适的聚类数。现在给您一个数组 samples，其中包含粮食样本的多种测量值（如面积、周长、长度等）。在这个例子中，合适的聚类数是多少？

KMeans 和 PyPlot（plt）已为您导入。

本数据集来源于 UCI Machine Learning Repository。

本练习是课程的一部分

Python 中的无监督学习

查看课程

练习说明

对给定的每个 k 值，执行以下步骤：
创建一个包含 k 个聚类的 KMeans 实例，命名为 model。
将模型拟合到粮食数据 samples 上。
将 model 的 inertia_ 属性值追加到列表 inertias。
已为您写好绘制 ks 与 inertias 的代码，点击 提交答案 查看图表！

交互式实操练习

通过完成这段示例代码来试试这个练习。

ks = range(1, 6)
inertias = []

for k in ks:
    # Create a KMeans instance with k clusters: model
    ____
    
    # Fit model to samples
    ____
    
    # Append the inertia to the list of inertias
    ____
    
# Plot ks vs inertias
plt.plot(ks, inertias, '-o')
plt.xlabel('number of clusters, k')
plt.ylabel('inertia')
plt.xticks(ks)
plt.show()

编辑并运行代码