Cada cluster tem o seu centróide, mas como assim esse método retorna um centróide para cada um dos atributos ?
Solucionado
Cada cluster tem o seu centróide, mas como assim esse método retorna um centróide para cada um dos atributos ?
hoje, com a Alura e o Google Gemini
Olá, Guilherme!
O método "kmeans.cluster_centers_" do algoritmo K-Means em Python retorna as coordenadas dos centróides de cada cluster. O K-Means é um algoritmo de agrupamento que tem como objetivo dividir os dados em 'k' grupos diferentes, onde 'k' é um número definido pelo usuário.
Cada grupo é representado por um ponto central, chamado de centróide. Esse ponto não é necessariamente um dos pontos de dados, mas é a média (ou centro) de todos os pontos que pertencem a esse grupo.
Quando você diz que o método retorna um centróide para cada um dos atributos, na verdade, ele está retornando as coordenadas desse centróide no espaço de atributos. Por exemplo, se você tem um conjunto de dados com dois atributos (digamos, altura e peso), o método "kmeans.cluster_centers_" retornará as coordenadas desses centróides no espaço bidimensional formado por altura e peso.
Então, se você tem 3 clusters, o método retornará algo como:
[[altura_media_cluster1, peso_medio_cluster1],
[altura_media_cluster2, peso_medio_cluster2],
[altura_media_cluster3, peso_medio_cluster3]]
Reforço que em casos de dúvidas, conte sempre com o fórum da comunidade Alura! Bons estudos!
Sucesso ✨
Um grande abraço e até mais!