Після практики з K-means на тестових даних, тепер можна застосувати його до реального набору даних: wine dataset. Реальні набори даних мають складності, такі як нечіткі структури кластерів та різні масштаби ознак, що створює більш практичне завдання кластеризації.

Ви використаєте функцію datasets.load_wine() для завантаження цього набору даних. Wine dataset містить різні характеристики різних вин. Наша мета — перевірити, чи зможе K-means виявити кластери, що відображають схожість вин за цими характеристиками.

Реальні дані часто потребують попередньої обробки. Масштабування ознак може бути необхідним, щоб усі ознаки однаково впливали на обчислення відстаней у K-means.

Щоб знайти оптимальну кількість кластерів, ви знову використаєте:

• Метод WSS: аналіз графіка "лікоть" для різних значень K. На реальних даних "лікоть" може бути менш вираженим;

• Метод силуетного коефіцієнта: аналіз графіка силуетів та середніх значень для пошуку найкращого K. Оцінки можуть бути більш варіативними, ніж на тестових даних.

Візуалізації є ключем до розуміння результатів:

• Побудова 3D-графіка за трьома вибраними ознаками вина дозволяє візуально оцінити розподіл даних у зменшеному просторі ознак, без використання методів зниження розмірності;

• Графік WSS для визначення "ліктя";

• Графік силуетів для оцінки якості кластерів.

Кластери K-means візуалізовані на 3D-графіку за трьома ознаками wine dataset, що показує розподіл кластерів у цьому зменшеному просторі ознак.