Na het oefenen met K-means op dummydata, kun je het nu toepassen op een echte dataset: de wine dataset. Echte datasets brengen complexiteiten met zich mee, zoals onduidelijke clusterstructuren en verschillende schalen van kenmerken, wat zorgt voor een meer praktische clusteringuitdaging.

Je gebruikt de functie datasets.load_wine() om deze dataset te laden. De wine dataset bevat diverse attributen van verschillende wijnen. Het doel is om te onderzoeken of K-means clusters kan ontdekken die overeenkomsten tussen wijnen op basis van deze attributen weergeven.

Echte data vereist vaak preprocessing. Feature scaling kan nodig zijn om ervoor te zorgen dat alle kenmerken gelijkwaardig bijdragen aan de afstandsberekeningen in K-means.

Om het optimale aantal clusters te vinden, gebruik je opnieuw:

• WSS-methode: analyseer de elbow-plot voor een reeks K-waarden. Elbows zijn mogelijk minder duidelijk bij echte data;

• Silhouette score-methode: bekijk de Silhouette-plot en gemiddelde scores om de beste K te bepalen. Scores kunnen variabeler zijn dan bij dummydata.

Visualisaties zijn essentieel voor het begrijpen van de resultaten:

• Het plotten van 3 geselecteerde kenmerken in een 3D-plot van de wijn maakt het mogelijk om de dataverdeling visueel te inspecteren in een gereduceerde feature space, zonder gebruik van dimensionaliteitsreductie;

• WSS-plot voor het identificeren van de elbow;

• Silhouette-plot voor de clusterkwaliteit.

K-means-clusters gevisualiseerd op de 3-feature 3D-plot van de wijngegevens, waarbij clusterindelingen binnen deze gereduceerde feature space worden weergegeven.