CommencerCommencer gratuitement

Regroupement de points 2D

À partir du graphique de l'exercice précédent, vous avez constaté que les points semblent se séparer en trois groupes. Vous allez maintenant créer un modèle KMeans pour trouver 3 clusters et l'ajuster aux points de données de l'exercice précédent. Une fois le modèle ajusté, vous obtiendrez les étiquettes de cluster pour certains nouveaux points à l'aide de la méthode « .predict() ».

On vous fournit le tableau points issu de l'exercice précédent, ainsi qu'un tableau new_points.

Cet exercice fait partie du cours

Apprentissage non supervisé en Python

Afficher le cours

Instructions

  • Importez KMeans à partir de sklearn.cluster.
  • À l'aide de KMeans(), veuillez créer une instance KMeans appelée model afin de trouver les clusters 3. Pour spécifier le nombre de clusters, veuillez utiliser l'argument clé de ligne de commande ` n_clusters `.
  • Utilisez la méthode .fit() de model pour ajuster le modèle à la matrice de points points.
  • Utilisez la méthode « .predict() » de « model » pour prédire les étiquettes de cluster de « new_points », en assignant le résultat à « labels ».
  • Veuillez cliquer sur « Soumettre » pour afficher les étiquettes de cluster de l'new_points.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import KMeans
____

# Create a KMeans instance with 3 clusters: model
model = ____

# Fit model to points
____

# Determine the cluster labels of new_points: labels
labels = ____

# Print cluster labels of new_points
print(labels)
Modifier et exécuter le code