K-meansは、各観測を近い中心に割り当て、その後、グループの中の2乗距離を減らすように中心を更新します。クラスターの数は当てはめる前に選びます。この方法は結果のラベルを使わず、クラスターの番号は順位ではなく名前です。クラスター2が、もともとクラスター0より良いわけではありません。
単位が距離の計算を支配してしまうときは、特徴量をスケーリングしてください。これらの架空の顧客のレコードには、意図的に分離したグループを持つ来店回数と購入額が含まれています。明示的な準備の取り決めに従えるように、課題ではスケーリングした実験とスケーリングしない実験の両方を求めています。random_stateといくつかの初期化によって、当てはめが再現できるようになります。正しさは特定の番号付けではなく区分によって決まり、顧客ごとのラベルの配列は元の行の順序を保たなければなりません。