क्लस्टरिंग विश्लेषण: क्लस्टर्स की आदर्श संख्या चुनना

Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास

Lisa Stuart

Data Scientist

आदर्श k के तरीके

2 स्कोर्स से बना
- प्रत्येक observation और अन्य सभी के बीच औसत दूरी:
  - उसी क्लस्टर में
  - सबसे नज़दीकी क्लस्टर में

Silhouette स्कोर प्लॉट

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

Elbow method प्लॉट

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

Function/method	returns
`sklearn.cluster.KMeans`	K-Means क्लस्टरिंग एल्गोरिदम
`sklearn.metrics.silhouette_score`	-1 से 1 के बीच स्कोर, क्लस्टर स्थिरता का माप
`kmeans.inertia_`	observations से नज़दीकी क्लस्टर सेंटर तक SS दूरी
`range(start, stop)`	start से शुरू होकर, stop को छोड़कर मानों की सूची
`list.append(kmeans.inertia_)`	सूची में inertia मान जोड़ता है

Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास