python k-means 聚类分析
时间: 2023-09-14 07:13:52 浏览: 114
【机器学习项目实战】Python实现聚类(Kmeans)分析客户分组
5星 · 资源好评率100%
聚类分析是一种无监督学习方法,K-means是其中一种常见的聚类算法。在Python中,可以使用多个库来进行K-means聚类分析,其中最常用的是scikit-learn和K-means++。
下面是一个使用scikit-learn库进行K-means聚类分析的示例代码:
```python
import numpy as np
from sklearn.cluster import KMeans
# 生成随机数据
np.random.seed(0)
X = np.random.randn(100, 2)
# 创建KMeans对象,指定簇的数量为k
k = 3
kmeans = KMeans(n_clusters=k)
# 用数据训练模型
kmeans.fit(X)
# 获取每个数据点的簇标签
labels = kmeans.labels_
print(labels)
# 获取每个簇的中心点
centers = kmeans.cluster_centers_
print(centers)
```
在上面的代码中,我们首先生成了一个随机数据集X,然后创建了一个KMeans对象,并指定要创建的簇的数量为3。接下来,我们使用数据集X来训练模型,并使用`labels_`属性获取每个数据点所属的簇标签。最后,我们使用`cluster_centers_`属性获取每个簇的中心点。
请注意,这只是K-means聚类分析的一个简单示例,实际应用中可能需要对数据进行预处理、选择合适的簇数量、评估聚类结果等。
阅读全文