python数据数据建模:Kmeans聚类
K-means聚类:最常用的机器学习聚类算法,且为典型的基于距离的聚类算法。
-
K均值:基于原型的、划分的距离技术,它试图发现用户指定个数(K)的簇以欧式距离作为相似度测度
Kmeans聚类
案例分析:make_blobs聚类数据生成器
# 导入模块from sklearn.cluster import KMeansfrom sklearn.datasets import make_blobs
# 创建数据x,y_true = make_blobs(n_samples = 300, # 生成300条数据 centers = 4, # 四类数据 cluster_std = 0.5, # 方差一致 random_state = 0)print(x[:5])print(y_true[:5])# n_samples → 待生成的样本的总数。# n_features → 每个样本的特征数。# centers → 类别数# cluster_std → 每个类别的方差,如多类数据不同方差,可设置为[1.0,3.0](这里针对2类数据)# random_state → 随机数种子# x → 生成数据值, y → 生成数据对应的类别标签plt.figure(figsize =(10,6))plt.scatter(x[:,0],x[:,1],s = 10,alpha = 0.8)plt.grid()
[[ 1.03992529 1.92991009]
[-1.38609104 7.48059603]
[ 1.12538917 4.96698028]
[-1.05688956 7.81833888]
[ 1.4020041 1.726729 ]]
[1 3 0 3 1]
# 构建K均值模型
# 构建模型,并预测出样本的类别y_kmeans# kmeans.cluster_centers_:得到不同簇的中心点kmeans = KMeans(n_clusters = 4) # 这里为4簇kmeans.fit(x)y_kmeans = kmeans.predict(x)centroids = kmeans.cluster_centers_
# 绘制图表plt.figure(figsize =(10,6))plt.scatter(x[:,0],x[:,1],c = y_kmeans, cmap = 'Dark2', s= 50,alpha = 0.5,marker='x')plt.scatter(centroids[:,0],centroids[:,1],c = [0,1,2,3], cmap = 'Dark2',s= 70,marker='o')plt.title('K-means 300 points\n')plt.xlabel('Value1')plt.ylabel('Value2')plt.grid()
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgcghek
系列文章
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01 -
怎样阻止微信小程序自动打开
PHP中文网 06-13