Nachdem Sie K-means an Beispieldaten geübt haben, können Sie es nun auf einen realen Datensatz anwenden: den Wine-Datensatz. Reale Datensätze weisen Komplexitäten wie unklare Clusterstrukturen und unterschiedliche Merkmals-Skalen auf, was eine praxisnähere Clustering-Herausforderung darstellt.

Sie verwenden die Funktion datasets.load_wine(), um diesen Datensatz zu laden. Der Wine-Datensatz enthält verschiedene Attribute unterschiedlicher Weine. Ziel ist es zu prüfen, ob K-means Cluster aufdecken kann, die Weinsimilaritäten anhand dieser Attribute widerspiegeln.

Reale Daten erfordern häufig eine Vorverarbeitung. Merkmals-Skalierung kann notwendig sein, damit alle Merkmale gleichwertig zu den Distanzberechnungen in K-means beitragen.

Um die optimale Anzahl an Clustern zu finden, verwenden Sie erneut:

• WSS-Methode: Analyse des Elbow-Plots für verschiedene K-Werte. Die Ellbogen sind bei realen Daten möglicherweise weniger deutlich;

• Silhouette-Score-Methode: Untersuchung des Silhouette-Plots und der durchschnittlichen Werte zur Bestimmung des besten K. Die Werte können variabler sein als bei Beispieldaten.

Visualisierungen sind entscheidend für das Verständnis der Ergebnisse:

• Darstellung von 3 ausgewählten Merkmalen in einem 3D-Plot des Wine-Datensatzes ermöglicht eine visuelle Überprüfung der Datenverteilung in einem reduzierten Merkmalsraum, ohne Dimensionsreduktion;

• WSS-Plot zur Identifikation des Ellbogens;

• Silhouette-Plot zur Bewertung der Clusterqualität.

K-means-Cluster visualisiert im 3-Merkmale-3D-Plot der Weindaten, wobei die Clusterzuweisungen in diesem reduzierten Merkmalsraum dargestellt werden.