机器学习sklearn之kmeans的实现

最新推荐文章于 2024-06-24 19:08:35 发布

原创最新推荐文章于 2024-06-24 19:08:35 发布 · 642 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#sklearn #彭亮机器学习

Machine Learning 同时被 2 个专栏收录

14 篇文章

订阅专栏

sklearn

13 篇文章

订阅专栏

本文介绍使用Python的Scikit-Learn库进行KMeans聚类分析的方法。通过生成二维数据集并应用KMeans算法，展示了如何进行数据预处理、模型训练及结果可视化。适合初学者理解KMeans聚类的基本原理和操作流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习sklearn之kmeans

准备数据

import numpy as np  
x1 = np.array([1, 2, 3, 1, 5, 6, 5, 5, 6, 7, 8, 9, 9])  
x2 = np.array([1, 3, 2, 2, 8, 6, 7, 6, 7, 1, 2, 1, 3])  
x = np.array(list(zip(x1, x2))).reshape(len(x1), 2)  
print(x)

在这里插入图片描述

from sklearn.cluster import KMeans  
kmeans=KMeans(n_clusters=3)   #n_clusters:number of cluster  
kmeans.fit(x)  
print (kmeans.labels_)

在这里插入图片描述

import matplotlib.pyplot as plt  
plt.figure(figsize=(8,10))  
colors = ['b', 'g', 'r']  
markers = ['o', 's', 'D']  
for i,l in enumerate(kmeans.labels_):  
     plt.plot(x1[i],x2[i],color=colors[l],marker=markers[l],ls='None')  
plt.show()

在这里插入图片描述