sklearn中K-均值算法相关参数及可视化

sklearn中KMean()相关参数及可视化

忽然想到学习了这么多的东西，也希望能与其他想学习的人分享分享，就写下了这篇博客了

from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

np.random.seed(123)   # numpy中设置随机种子
low_dim_embs = np.random.randint(0, 20, size=300).reshape(150, 2)  #  产生300个随机整数，重塑为150个2维数组
kmeans = KMeans(n_clusters=3, random_state=123)
kmeans.fit(low_dim_embs)
plt.figure(figsize=(8, 8))
plt.scatter([i[0] for i in low_dim_embs], [i[1] for i in low_dim_embs], c=kmeans.labels_, marker='x')
plt.axis('off')  # 关闭坐标轴
for coordinate in low_dim_embs:
    plt.annotate(str(coordinate), xy=coordinate, xytext=(coordinate[0]+0.05, coordinate[1]+0.05))  # 数据标注
plt.show()

代码相关内容里面应该解释的比较清楚了，关于kmeans里面的相关参数如下：

n_clusters : 聚类数目。
init : 可选参数{