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 agrupamento mais prático.

Você utilizará 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 variáveis contribuam igualmente nos cálculos de distância do K-means.

Para encontrar o número ideal de clusters, você utilizará novamente:

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

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

Visualizações são fundamentais para compreender os resultados:

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

• Gráfico WSS para identificação do cotovelo;

• Gráfico de silhueta para avaliar a qualidade dos clusters.

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