对聚类结果进行可视化 例子
时间: 2024-01-23 22:00:46 浏览: 26
以下是一个简单的聚类可视化例子:
假设我们有一些数据点,每个数据点有两个特征:x和y。我们想要将这些数据点聚类成三个集群。我们可以使用K-Means算法进行聚类,并使用Matplotlib库将聚类结果可视化。代码如下:
```python
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 生成随机数据
np.random.seed(0)
X = np.random.randn(50, 2)
# K-Means 聚类
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
y_kmeans = kmeans.predict(X)
# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, cmap='viridis')
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='black', s=200, alpha=0.5);
```
该代码首先生成50个随机数据点,并使用K-Means算法将这些数据点聚类成三个集群。然后,使用Matplotlib库将聚类结果可视化。在可视化结果中,每个数据点的颜色表示它所属的聚类,黑色点表示聚类的中心点。
运行该代码,我们可以得到以下可视化结果:
![聚类可视化结果](https://img-blog.csdnimg.cn/20211109104523588.png)
在这个例子中,我们可以看到,K-Means算法成功地将数据点分成了三个集群,并且每个集群的中心点都被正确地标记为黑色点。