Récapitulatif : dégustation de thé

Fait partie de la section Apprentissage non supervisé du Journey Machine Learning de Coddy. Leçon 15 sur 51.

Défi

Moyen

Un club de thé a dégusté 66 thés. teas.csv contient des informations sur la préparation de chacun, trois scores de saveur et son type connu. Les nombres seuls peuvent-ils permettre de trouver les types ?

Standardise les cinq features et regroupe les thés en 3 groupes avec k-means.
Décris les groupes en unités réelles, triés par température d’infusion, et nomme-les à partir de names dans cet ordre, comme pour les visiteurs du parc d’attractions.
Compare avec les types connus : affiche la taille de chaque groupe, la température, le temps d’infusion et son type le plus courant avec son nombre d’occurrences.

Pour un autre club :

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)

Essayez vous-même

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

# 66 thés dégustés par un club de thé : leur mode de préparation, trois notes de saveur de 1 à 10 et leur type
teas = pd.read_csv("teas.csv")
features = ["brew_temp_c", "steep_min", "bitterness", "floral", "malty"]

# Noms des groupes, de la température d’infusion la plus basse à la plus élevée
names = ["Delicate", "Balanced", "Bold"]

# Écrivez votre code ci-dessous