Introduction
Dans ce laboratoire, nous allons apprendre à initialiser K-Means++ à l'aide de la bibliothèque scikit-learn en Python. K-Means++ est un algorithme populaire pour regrouper des données en fonction de leurs similitudes. Il est utilisé comme initialisation par défaut pour k-means. Dans ce laboratoire, nous allons générer des données d'échantillonnage, calculer les graines à partir de K-Means++ et tracer les graines d'initialisation en même temps que les données d'échantillonnage.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter Notebook pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.