机器学习--K-Means算法应用

最新推荐文章于 2022-05-14 08:37:14 发布

原创最新推荐文章于 2022-05-14 08:37:14 发布 · 270 阅读

0 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

6 篇文章

订阅专栏

博客围绕K-Means算法在机器学习中的应用展开，虽未给出具体内容，但可知聚焦该算法在机器学习领域的运用，K-Means算法是重要的聚类算法，在数据挖掘等方面有广泛应用。

import matplotlib.pyplot as plt
from sklearn.datasets.samples_generator import make_blobs # 聚类数据测试工具
# 在sklearn中，随机生成1000个样本，每个样本2个特征，共4个簇，簇中心在[-1, -1], [0, 0], [1, 1], [2, 2]，簇方差分别为[0.3,0.1,0.4,0.2]
X, y = make_blobs( n_samples=1000,
                   n_features=2,
                   centers=[[-1, -1], [0, 0], [1, 1], [2, 3]],
                   cluster_std=[0.3,0.1,0.4,0.2]
)
# 解决plt标题中文乱码-----
import matplotlib as mpl
mpl.rcParams['font.sans-serif']=['SimHei'] #指定默认字体 SimHei为黑体
mpl.rcParams['axes.unicode_minus']=False #用来正常显示负号
#------------------------
# 查看簇的分布情况
plt.scatter(X[:,0],X[:,1])
plt.title("簇分布情况")

from sklearn.cluster import KMeans
y_pred = KMeans(n_clusters=4).fit_predict(X) # K为4时
plt.scatter(X[:,0],X[:,1],c=y_pred) # 绘图
plt.title("K为4时聚类分布")