Após praticar o K-means em dados simulados, agora é possível aplicá-lo a um conjunto de dados do mundo real: o wine dataset. Conjuntos de dados reais apresentam complexidades como estruturas de clusters pouco claras e escalas de variáveis diferentes, oferecendo um desafio de clusterização mais prático.

Será utilizada a função datasets.load_wine() para carregar este conjunto de dados. O wine dataset possui diversos atributos de diferentes vinhos. O objetivo é verificar se o K-means consegue identificar clusters que refletem semelhanças entre vinhos com base nesses atributos.

Dados reais frequentemente exigem pré-processamento. Escalonamento de variáveis pode ser necessário para garantir que todas as características contribuam igualmente para os cálculos de distância no K-means.

Para encontrar o número ideal de clusters, novamente serão utilizados:

• Método WSS: análise do gráfico do cotovelo para uma faixa de valores de K. Os cotovelos podem ser menos evidentes em dados reais;

• Método do índice de Silhouette: análise do gráfico de Silhouette e das médias dos índices para encontrar o melhor K. Os índices podem ser mais variáveis do que em dados simulados.

Visualizações são fundamentais para a compreensão dos resultados:

• Plotagem de 3 variáveis selecionadas em um gráfico 3D do wine dataset permite inspecionar visualmente a distribuição dos dados em um espaço de características reduzido, sem utilizar redução de dimensionalidade;

• Gráfico WSS para identificação do cotovelo;

• Gráfico de Silhouette para avaliação da qualidade dos clusters.

Clusters do K-means visualizados no gráfico 3D das 3 variáveis do wine dataset, mostrando as atribuições de clusters dentro desse espaço de características reduzido.