Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Desafio: K-means | Basic Clustering Algorithms
course content

Conteúdo do Curso

Cluster Analysis

Desafio: K-meansDesafio: K-means

Tarefa

Vamos verificar a eficiência do algoritmo em diferentes tipos de agrupamentos. Agora usaremos os três conjuntos de dados integrados da biblioteca sklearn e tentaremos usar o algoritmo K-means para agrupar os pontos correspondentes. Forneceremos visualizações e tentaremos estimar a qualidade do agrupamento usando essas visualizações.

Sua tarefa é usar o algoritmo de agrupamento K-means e resolver 3 diferentes problemas de agrupamento. Compare os resultados e tire conclusões sobre a qualidade do agrupamento. Você deve:

  1. Usar a classe KMeans do módulo cluster para importação.
  2. Usar a classe KMeans para instanciar um objeto da classe.
  3. Usar o método .fit() para treinar o modelo.
  4. Usar o atributo .labels_ para extrair os agrupamentos ajustados.

Depois de completar esta tarefa, clique no botão abaixo do código para verificar sua solução.

Nota

Em visualizações, é necessário focar não na cor dos agrupamentos, mas na posição relativa dos pontos em agrupamentos reais e previstos (o Python pode colorir os mesmos agrupamentos com cores diferentes em diferentes imagens devido a características da implementação)

Tudo estava claro?

Seção 2. Capítulo 2
toggle bottom row
course content

Conteúdo do Curso

Cluster Analysis

Desafio: K-meansDesafio: K-means

Tarefa

Vamos verificar a eficiência do algoritmo em diferentes tipos de agrupamentos. Agora usaremos os três conjuntos de dados integrados da biblioteca sklearn e tentaremos usar o algoritmo K-means para agrupar os pontos correspondentes. Forneceremos visualizações e tentaremos estimar a qualidade do agrupamento usando essas visualizações.

Sua tarefa é usar o algoritmo de agrupamento K-means e resolver 3 diferentes problemas de agrupamento. Compare os resultados e tire conclusões sobre a qualidade do agrupamento. Você deve:

  1. Usar a classe KMeans do módulo cluster para importação.
  2. Usar a classe KMeans para instanciar um objeto da classe.
  3. Usar o método .fit() para treinar o modelo.
  4. Usar o atributo .labels_ para extrair os agrupamentos ajustados.

Depois de completar esta tarefa, clique no botão abaixo do código para verificar sua solução.

Nota

Em visualizações, é necessário focar não na cor dos agrupamentos, mas na posição relativa dos pontos em agrupamentos reais e previstos (o Python pode colorir os mesmos agrupamentos com cores diferentes em diferentes imagens devido a características da implementação)

Tudo estava claro?

Seção 2. Capítulo 2
toggle bottom row
some-alt