up

Author: liganega

end2end_ml_project.ipynb

@@ -1483,6 +1483,12 @@
     "\n",
     "셋째, `ClusterSimilarity` 변환기를 지정한 다음 위도와 경도 정보를 입력하여 새로운 특성을 생성하는 아래 코드를 실행하면,\n",
     "각 구역을 `n_clusters=10`개의 군집으로 분류하기 위해 `fit()`과 `transform()` 메서드가 하는 일은 다음과 같다.\n",
+    "\n",
+    "```python\n",
+    "cluster_simil = ClusterSimilarity(n_clusters=10, gamma=1., random_state=42)\n",
+    "similarities = cluster_simil.fit_transform(housing[[\"latitude\", \"longitude\"]])\n",
+    "```\n",
+    "\n",
     "- `fit()` 메서드: 주어진 구역들의 위도와 경도 정보를 바탕으로 모든 구역을 총 `n_clusters` 개의 군집으로 분류하기 위해\n",
     "    각 군집의 중심<font size='2'>centroid</font>에 해당하는 위도와 경도 정보를 계산한다.\n",
     "    이때 `KMeans` 모델을 활용하며, 계산된 군집 중심 정보는 `Kmeans` 모델의 `cluster_centers_` 속성에 저장한다.\n",
@@ -1491,11 +1497,6 @@
     "    `rbf_kernel()` 함수를 이용하여 구역 샘플 각각에 대해 10개 군집의 중심과의 \n",
     "    거리를 반영한 가까움 정도를 수치화한 **유사도**를 계산한다.\n",
     "\n",
-    "    ```python\n",
-    "    cluster_simil = ClusterSimilarity(n_clusters=10, gamma=1., random_state=42)\n",
-    "    similarities = cluster_simil.fit_transform(housing[[\"latitude\", \"longitude\"]])\n",
-    "    ```\n",
-    "\n",
     "    처음 3개의 구역 샘플에 대해 `transform()` 메서드가 생성한 10개 군집 중심 각각과의 유사도 점수는 다음과 같다.\n",
     "    \n",
     "    ```python\n",