评估谷物聚类效果

在上一个练习中，您从惯性曲线（inertia plot）观察到，对于谷物数据，3 是合适的簇数量。事实上，这些谷物样本来自 3 种不同的谷物品种混合："Kama"、"Rosa" 和 "Canadian"。本练习中，请将谷物样本聚为 3 类，并使用交叉列联表将聚类结果与谷物品种进行对比。

您已拥有谷物样本数组 samples，以及列表 varieties，其中给出了每个样本对应的谷物品种。Pandas（pd）和 KMeans 已为您导入。

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

创建一个名为 model 的 KMeans 模型，簇数为 3。
使用 model 的 .fit_predict() 方法，对 samples 进行拟合并得到簇标签。使用 .fit_predict() 与先 .fit() 再 .predict() 的效果相同。
创建一个包含两列的 DataFrame df，列名为 'labels' 和 'varieties'，列值分别使用 labels 和 varieties。这一步已为您完成。
对 df['labels'] 和 df['varieties'] 使用 pd.crosstab()，统计每个谷物品种与每个簇标签的对应次数。将结果赋给 ct。
点击提交以查看交叉列联表！

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create a KMeans model with 3 clusters: model
model = ____

# Use fit_predict to fit model and obtain cluster labels: labels
labels = ____

# Create a DataFrame with labels and varieties as columns: df
df = pd.DataFrame({'labels': labels, 'varieties': varieties})

# Create crosstab: ct
ct = ____

# Display ct
print(ct)

编辑并运行代码