Rückblick: Tee verkosten

Teil des Abschnitts Unüberwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 15 von 51.

Aufgabe

Mittel

Ein Teeklub hat 66 Tees probiert. In teas.csv sind angegeben, wie jeder Tee aufgebrüht wurde, seine drei Geschmackswerte und seine bekannte Sorte. Lassen sich die Sorten allein anhand der Zahlen herausfinden?

Skaliere die fünf features und teile die Tees mit k-means in 3 Gruppen ein.
Erstelle Profile der Cluster in realen Einheiten, sortiert nach Brühtemperatur, und benenne sie der Reihe nach mit den Einträgen aus names, wie bei den Besuchern des Freizeitparks.
Vergleiche die Cluster mit den bekannten Sorten: Gib für jedes Cluster seine Größe, Temperatur, Ziehzeit und die häufigste Sorte mit ihrer Anzahl aus.

Für einen anderen Klub:

Delicate: 18 teas, 77°C for 2.5 min, mostly green (15)
Balanced: 25 teas, 87°C for 3.4 min, mostly oolong (20)
Bold: 23 teas, 96°C for 4.8 min, mostly black (22)

Probier es selbst

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

# 66 Tees, die ein Teeverein verkostet hat: wie sie aufgebrüht werden, drei Geschmacksbewertungen von 1 bis 10 und ihre Sorte
teas = pd.read_csv("teas.csv")
features = ["brew_temp_c", "steep_min", "bitterness", "floral", "malty"]

# Namen für die Cluster, von der niedrigsten bis zur höchsten Brühtemperatur
names = ["Delicate", "Balanced", "Bold"]

# Schreibe deinen Code unten