近傍の投票とk-meansはどちらも距離に依存しますが、答える問いが異なります。最近傍の分類器は、ラベル付きの訓練の行を使って既知の結果を予測します。K-meansは目的変数なしでグループを作ります。この練習セットでは、ラベルがあるかないかがモデリングの判断の一部であり続けるように、両者を交互に扱います。
すべての問題文で、準備の要件を読んでください。分類器の課題では、訓練で当てはめるスケーリングのパイプラインと、明示した近傍の数を使います。クラスタリングの課題では、統制した比較として、スケーリングしない入力を求めることがあります。クラスターのラベルの値はグループ分けを変えずに入れ替えられますが、ラベルを並べ替えると顧客との対応が壊れてしまいます。ここで新しい方法は出てきません。行の順序を保ち、変更された架空のデータについて、当てはめたオブジェクトに出力を計算させてください。