为聚类缩放鱼类数据

给定一个数组 samples，包含鱼类的测量数据。每一行代表一条鱼。各项测量（例如重量，单位为克；长度，单位为厘米；以及高度与长度的百分比）处于截然不同的量纲。为了更有效地对这些数据进行聚类，您需要先对这些特征进行标准化。在本练习中，您将构建一个流水线来完成标准化并对数据进行聚类。

这些鱼类测量数据来源于 Journal of Statistics Education。

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

导入：
- 从 sklearn.pipeline 导入 make_pipeline。
- 从 sklearn.preprocessing 导入 StandardScaler。
- 从 sklearn.cluster 导入 KMeans。
创建一个名为 scaler 的 StandardScaler 实例。
创建一个具有 4 个簇、名为 kmeans 的 KMeans 实例。
创建一个名为 pipeline 的流水线，将 scaler 和 kmeans 串联起来。为此，只需将它们作为参数传递给 make_pipeline()。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Perform the necessary imports
from ____ import ____
from ____ import ____
from ____ import ____

# Create scaler: scaler
scaler = ____

# Create KMeans instance: kmeans
kmeans = ____

# Create pipeline: pipeline
pipeline = ____

编辑并运行代码