1
resposta

[Sugestão] Sugestão para melhoria do código

def clustering_algorithm(n_clusters, dataset):
    kmeans = KMeans(n_clusters=n_clusters, n_init=10, max_iter=300)  # Kmeans
    labels = kmeans.fit_predict(dataset)  # labels
    s = metrics.silhouette_score(dataset, labels, metric='euclidean')  # Silhouette
    dbs = metrics.davies_bouldin_score(dataset, labels)  # Davies-Bouldin
    calinski = metrics.calinski_harabasz_score(dataset, labels)  # Calinski
    print(f'|{n_clusters}| CLUSTERS:\nSilhouette: {s:.3f}\nDavies-Bouldin: {dbs:.3f}\nCalinski: {calinski:.3f}')
    return s, dbs, calinski
for n in range(2,11):
    clustering_algorithm(n, values)
    print('-'*30)

Melhor resultado:

|6| CLUSTERS
Silhouette: 0.365
Davies-Bouldin: 1.045
Calinski: 3523.512
1 resposta

Oii, Paulo! Tudo joia?

Obrigada por compartilhar sua sugestão de código com a comunidade do fórum. Tenho certeza que ajudará outros colegas e até mesmo se inspirar para aplicar melhorias.

Continue se dedicando aos estudos como vem fazendo e qualquer dúvida, compartilhe no fórum para podermos te auxiliar.

Bons estudos, Paulo!