diff --git a/lab_5/laba5.ipynb b/lab_5/laba5.ipynb
index b723157..2618c81 100644
--- a/lab_5/laba5.ipynb
+++ b/lab_5/laba5.ipynb
@@ -531,7 +531,43 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "пол часа код работал, пошёл устанавливать cuda"
+    "# Кластеризация с помощью K-means\n",
+    "После выбора оптимального числа кластеров (например, 3), мы применим K-means для кластеризации и визуализируем результаты.  \n",
+    "Ключевой термин:\n",
+    "- K-means — алгоритм кластеризации, который группирует данные вокруг центров (центроидов) кластеров."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 5,
+   "metadata": {},
+   "outputs": [
+    {
+     "ename": "NameError",
+     "evalue": "name 'KMeans' is not defined",
+     "output_type": "error",
+     "traceback": [
+      "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
+      "\u001b[1;31mNameError\u001b[0m                                 Traceback (most recent call last)",
+      "Cell \u001b[1;32mIn[5], line 3\u001b[0m\n\u001b[0;32m      1\u001b[0m \u001b[38;5;66;03m# Кластеризация с помощью K-means\u001b[39;00m\n\u001b[0;32m      2\u001b[0m optimal_clusters \u001b[38;5;241m=\u001b[39m \u001b[38;5;241m3\u001b[39m\n\u001b[1;32m----> 3\u001b[0m kmeans \u001b[38;5;241m=\u001b[39m \u001b[43mKMeans\u001b[49m(n_clusters\u001b[38;5;241m=\u001b[39moptimal_clusters, random_state\u001b[38;5;241m=\u001b[39m\u001b[38;5;241m42\u001b[39m)\n\u001b[0;32m      4\u001b[0m df[\u001b[38;5;124m'\u001b[39m\u001b[38;5;124mCluster\u001b[39m\u001b[38;5;124m'\u001b[39m] \u001b[38;5;241m=\u001b[39m kmeans\u001b[38;5;241m.\u001b[39mfit_predict(df_scaled)\n\u001b[0;32m      6\u001b[0m \u001b[38;5;66;03m# Визуализация кластеров с использованием PCA\u001b[39;00m\n",
+      "\u001b[1;31mNameError\u001b[0m: name 'KMeans' is not defined"
+     ]
+    }
+   ],
+   "source": [
+    "# Кластеризация с помощью K-means\n",
+    "optimal_clusters = 3\n",
+    "kmeans = KMeans(n_clusters=optimal_clusters, random_state=42)\n",
+    "df['Cluster'] = kmeans.fit_predict(df_scaled)\n",
+    "\n",
+    "# Визуализация кластеров с использованием PCA\n",
+    "plt.figure(figsize=(8, 6))\n",
+    "plt.scatter(df_pca[:, 0], df_pca[:, 1], c=df['Cluster'], cmap='viridis', edgecolor='k', alpha=0.6)\n",
+    "plt.title(\"Кластеры, определенные K-means (PCA)\")\n",
+    "plt.xlabel(\"Главная компонента 1\")\n",
+    "plt.ylabel(\"Главная компонента 2\")\n",
+    "plt.colorbar(label='Кластер')\n",
+    "plt.show()"
    ]
   }
  ],