Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Desafío: Implementación de Modelos de Mezcla Gaussiana | GMMs
Análisis de Conglomerados

bookDesafío: Implementación de Modelos de Mezcla Gaussiana

Tarea

Swipe to start coding

Se proporciona un conjunto de datos sintético almacenado en la variable data.

  • Inicializar un modelo de mezcla gaussiana con 3 clústeres, establecer random_state en 42 y almacenarlo en la variable gmm.

  • Ajustar el modelo al conjunto de datos, predecir las etiquetas de los clústeres y almacenar el resultado en la variable labels.

  • Para cada clúster i, extraer los puntos que pertenecen a este clúster y almacenar el resultado en la variable cluster_points.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 6. Capítulo 6
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

close

Awesome!

Completion rate improved to 2.94

bookDesafío: Implementación de Modelos de Mezcla Gaussiana

Desliza para mostrar el menú

Tarea

Swipe to start coding

Se proporciona un conjunto de datos sintético almacenado en la variable data.

  • Inicializar un modelo de mezcla gaussiana con 3 clústeres, establecer random_state en 42 y almacenarlo en la variable gmm.

  • Ajustar el modelo al conjunto de datos, predecir las etiquetas de los clústeres y almacenar el resultado en la variable labels.

  • Para cada clúster i, extraer los puntos que pertenecen a este clúster y almacenar el resultado en la variable cluster_points.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

close

Awesome!

Completion rate improved to 2.94
Sección 6. Capítulo 6
single

single

some-alt