Ringkasan: Mencicipi Teh

Termasuk bagian Pembelajaran Tanpa Pengawasan dalam perjalanan Machine Learning di Coddy. Pelajaran 15 dari 51.

Tantangan

Sedang

Sebuah klub teh mencicipi 66 jenis teh. teas.csv menyimpan cara menyeduh setiap teh, tiga skor rasa, dan jenisnya yang diketahui. Bisakah angka saja menemukan jenis-jenisnya?

Skalakan lima features dan kelompokkan teh menjadi 3 grup dengan k-means.
Buat profil cluster dalam satuan nyata, urutkan berdasarkan suhu penyeduhan, lalu beri nama menggunakan names dalam urutan tersebut, seperti pengunjung taman hiburan.
Bandingkan dengan jenis yang diketahui: cetak ukuran setiap cluster, suhu, waktu seduh, serta jenis yang paling umum beserta jumlahnya.

Untuk klub lain:

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)

Coba sendiri

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

# 66 jenis teh yang dicicipi sebuah klub teh: cara menyeduhnya, tiga skor rasa dari 1 hingga 10, dan jenisnya
teas = pd.read_csv("teas.csv")
features = ["brew_temp_c", "steep_min", "bitterness", "floral", "malty"]

# Nama untuk klaster, dari suhu penyeduhan terendah hingga tertinggi
names = ["Delicate", "Balanced", "Bold"]

# Tulis kodemu di bawah ini