Clustering (K-Means)
Moyen 20 pointsAppliquez l'algorithme K-Means pour regrouper des données similaires.
Le clustering regroupe des données similaires sans étiquettes. K-Means partitionne les données en k clusters en minimisant la distance intra-cluster. Le choix de k est crucial (méthode du coude).
Votre code
Indice
Utilisez KMeans(n_clusters=k), fit(), labels_ pour les clusters
Résultat
Cliquez sur "Exécuter le code" pour voir le résultat de votre code. Cliquez sur "Soumettre" pour vérifier si votre réponse est correcte.