Analiza skupień: wybór optymalnej liczby klastrów

Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie

Lisa Stuart

Data Scientist

Metody wyboru optymalnego k

Składa się z 2 wyników
- Średnia odległość między obserwacją a pozostałymi:
  - w tym samym klastrze
  - w najbliższym klastrze

Wykres wyniku sylwetkowego

¹ https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html

Wykres metody łokcia

¹ https://www.datanovia.com/en/lessons/determining-the-optimal-number-of-clusters-3-must-know-methods/

Funkcja/metoda	zwraca
`sklearn.cluster.KMeans`	algorytm klastrowania K-średnich
`sklearn.metrics.silhouette_score`	wynik od -1 do 1 jako miara stabilności klastrów
`kmeans.inertia_`	sumy kwadratów odległości obserwacji do najbliższego centrum klastra
`range(start, stop)`	lista wartości od start do stop (wyłącznie)
`list.append(kmeans.inertia_)`	dodaje wartość bezwładności do listy

Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie