O K-means atribui cada observação a um centro próximo e depois atualiza os centros para reduzir as distâncias ao quadrado dentro dos grupos. Você escolhe o número de clusters antes de ajustar. O método não usa um rótulo de resultado, e os números dos clusters são nomes, não uma classificação. O cluster 2 não é inerentemente melhor que o cluster 0.
Escalone as variáveis quando as unidades delas, de outra forma, dominariam o cálculo das distâncias. Estes registros fictícios de clientes contêm número de visitas e valores de cesta, com grupos propositalmente separados. As tarefas pedem experimentos com e sem escalonamento para que você siga um contrato de preparação explícito. Um random_state e várias inicializações tornam o ajuste repetível. O que importa é a partição, não uma numeração específica, e um array de rótulos por cliente deve preservar a ordem original das linhas.
A partição agrupa comportamentos de clientes parecidos. A concordância do índice de Rand ajustado verifica o agrupamento sem exigir nenhuma numeração específica dos clusters.