Implementação em Conjunto de Dados Real

Após praticar o K-means com dados fictícios, agora você pode aplicá-lo a um conjunto de dados do mundo real: o wine dataset. Conjuntos de dados reais apresentam complexidades como estruturas de clusters pouco claras e escalas de variáveis diferentes, oferecendo um desafio de clusterização mais prático.

Você usará a função datasets.load_wine() para carregar este conjunto de dados. O wine dataset possui diversos atributos de diferentes vinhos. O objetivo é verificar se o K-means consegue identificar clusters que refletem semelhanças entre vinhos com base nesses atributos.

Dados reais geralmente exigem pré-processamento. Escalonamento de variáveis pode ser necessário para garantir que todas as variáveis contribuam igualmente nos cálculos de distância do K-means.

Para encontrar o número ideal de clusters, você utilizará novamente:

• Método WSS: análise do gráfico do cotovelo para uma faixa de valores de K. Os cotovelos podem ser menos evidentes em dados reais;

• Método da pontuação Silhouette: análise do gráfico Silhouette e das médias das pontuações para encontrar o melhor K. As pontuações podem ser mais variáveis do que com dados fictícios.

Visualizações são essenciais para compreender os resultados:

• Plotagem de 3 variáveis selecionadas em um gráfico 3D do wine dataset permite inspecionar visualmente a distribuição dos dados em um espaço de variáveis reduzido, sem utilizar redução de dimensionalidade;

• Gráfico WSS para identificação do cotovelo;

• Gráfico Silhouette para avaliar a qualidade dos clusters.

Clusters do K-means visualizados no gráfico 3D das 3 variáveis do wine dataset, mostrando as atribuições de clusters dentro desse espaço reduzido.