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。