python kmeans聚类算法,kmeans聚类算法python实现鸢尾花数据集

　　1、用kmeans分为五个聚类，每个聚类内部的数据为一个list，五个list组成聚类中心。

　　K=5#个聚类中心

　　k means _ model=k means(n _ clusters=k，n_jobs=4，random_state=123)

　　#集群中心数量、并行CPU内核数量、随机数种子

　　fit _ k means=k means _ model . fit(airline _ scale)#模型训练

　　print(k means _ model . cluster _ centers _)#查看聚类中心

　　Print(kmeans_model.labels_)#查看样本2、label显示按照kmeans划分之后每个数据属于哪个聚类。的类别标签

　　#计算不同类别的样本数量

　　r1=pd。系列(kmeans_model.labels_)。值计数()

　　打印(每个类别的最终编号为：n ，r1)

　　result=k means _ model . predict([[1.5，1.5，1.5，1.5，1.5]])

　　打印(结果)

　　#最后确定五个参数1.5的用户属于类别1。

　　3r1显示每个分类中的元素数量，并测试具有特定特征值的一组数据将被分配到哪个组。以上是Python kmeans集群的使用。希望对你有帮助。更多python学习方向：Python基础课程

　　本教程运行环境：windows7系统，Python 3.9.1，DELL G3电脑。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。