介绍k_means算法,kmeans算法

  介绍k_means算法,kmeans算法

  

  能够学习和掌握编程,最好的学习方式,就是去掌握基本的使用技巧,再多的概念意义,总归都是为了使用服务的,K-均值算法又叫K-均值算法,是非监督学习中的聚类算法。主要有三个元素,其中普通是元素个数,x表示元素,c(j)表示第英语字母表中第十个字母簇的质心,下面就使用方式给大家简单介绍实例使用。

  K-Means算法进行聚类分析

  公里=均值(n个簇=3)

  公里拟合(十)

  centers=km.cluster_centers_

  打印(中心)三个簇的中心点坐标为:

  [[5.0063.428]

  [6.812765963.07446809]

  比较一下K-Means聚类结果和实际样本之间的差别:

  预测_标签=公里.标签_

  fig,axes=plt.subplots(1,2,figsize=(16,8))

  坐标轴[0]。scatter(X[:0],X[:1],c=y,cmap=plt.cm.Set1,

  edgecolor=k ,s=150)

  坐标轴[1]。散点(X[:0],X[:1],c=预测_标签,cmap=plt.cm.Set1,

  edgecolor=k ,s=150)

  坐标轴[0]。set_xlabel(Sepallength ,fontsize=16)

  坐标轴[0]。set_ylabel(Sepalwidth ,fontsize=16)

  坐标轴[1]。set_xlabel(Sepallength ,fontsize=16)

  坐标轴[1]。set_ylabel(Sepalwidth ,fontsize=16)

  坐标轴[0]。滴答参数(方向=英寸,长度=10,宽度=5,颜色=k ,labelsize=20)

  坐标轴[1]。滴答参数(方向=英寸,长度=10,宽度=5,颜色=k ,labelsize=20)

  坐标轴[0]。set_title(Actual ,fontsize=18)

  坐标轴[1]。set_title(Predicted ,fontsize=18)大家可以带入代码,自己看下输出结果显示,观察不同,好啦,以上就是实例的介绍了。感兴趣的小伙伴可以消化掌握。

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。

留言与评论(共有 条评论)
   
验证码: