首页 > 其他 > 详细

机器学习之KMeans聚类

时间:2019-09-03 01:07:20      阅读:120      评论:0      收藏:0      [点我收藏+]

零、学习生成测试数据


from sklearn.datasets import make_blobs
from matplotlib import pyplot

#  create test data sets
datas, targets = make_blobs(
    n_samples=100, #样本数量
    n_features=2, #样本特征数
    centers=3, #中心数量
    cluster_std=[0.5, 1.0, 1.5], #方差
    center_box=(-20.0, 20.0),
    shuffle=True,
    random_state=None
)

pyplot.scatter(datas[:,0],datas[:,1],c=targets)
pyplot.show()

技术分享图片

一、建立模型



km = KMeans(n_clusters=3, random_state=10)#创建模型(几个群组,随机种子数)
km.fit(datas, targets)#计算聚类
y_hat = km.predict(datas)#给这个样本估计最接近的分组(簇)
'''
ret = km.fit_predict(datas) #返回一个给数据每一项分组的组号列表
print km.get_params()#获取参数信息
km.set_params(keyname=value)
'''

技术分享图片
其他常用函数
技术分享图片

二、KMeans算法原理


机器学习之KMeans聚类

原文:https://www.cnblogs.com/KevinGeorge/p/11450557.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!