导入
简介：让数据通过机器学习发声
了解如何使用 sklearn 分析数据。
在制作直方图时，我们初步接触了一种可视化数据聚合而非原始数据点的技术。换句话说，我们可视化的是关于数据的数据。在本节中，我们将进一步拓展这一概念，通过使用机器学习技术来展示可用于对数据进行分类或聚类的多种方法。正如我们将看到的，即使仅使用一种技术，也有大量可探索的选项和组合方式。这正是交互式仪表板的价值所在——如果用户需要手动为每个选项创建图表来逐一尝试，那将非常繁琐。
...
本节并非机器学习的入门介绍，也不假设读者具备任何机器学习的基础知识。我们将探讨一种称为KMeans聚类的聚类技术，并使用 sklearn 机器学习库。这将帮助我们将数据划分为若干个簇，使得同一簇内的观测值彼此相似，而与其他簇的观测值有明显区别。我们将从一个一维数据集构建一个非常简单的模型，然后将其应用于对 poverty 数据集中的国家进行聚类。
本节内容将为熟悉机器学习的读者提供一些思路，帮助他们赋予用户能力，使其能够调整并探索模型的多个方面。对于不熟悉机器学习的读者，也应能顺利完成本节内容，同时激发其进一步探索更多机器学习概念和技术的兴趣。
本节将涵盖以下主题：
- 理解聚类
- 寻找最优的簇数量
- 按人口对国家进行聚类
- 使用
scikit-learn准备数据 - 创建一个交互式的 KMeans 聚类应用