kmeans聚类python代码
时间: 2023-08-29 16:13:49 浏览: 37
以下是使用Python实现的kmeans聚类代码:
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
# 生成数据
X = np.random.rand(100, 2)
# 定义聚类数
n_clusters = 3
# 建立模型
kmeans = KMeans(n_clusters=n_clusters)
# 拟合模型
kmeans.fit(X)
# 预测
y_pred = kmeans.predict(X)
# 可视化结果
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()
```
以上代码中,首先使用numpy生成100个随机二维数据点,然后使用sklearn中的KMeans模型,将聚类数设为3,并拟合数据。最后使用matplotlib将聚类结果可视化展示出来。
相关问题
kmeans聚类Python代码
下面是一个简单的kmeans聚类的Python代码示例:
```python
import numpy as np
from sklearn.cluster import KMeans
# 生成一些随机数据
X = np.random.rand(100, 2)
# 初始化KMeans对象并进行聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)
# 输出每个样本所属的聚类类别
print(kmeans.labels_)
# 输出聚类中心坐标
print(kmeans.cluster_centers_)
```
这个示例中,我们使用numpy生成了一些随机的二维数据,然后使用sklearn库中的KMeans类进行聚类。聚类时指定了聚成3类,并设置了随机种子,以便结果可复现。最后输出了每个样本所属的聚类类别和聚类中心坐标。
python kmeans聚类算法代码
Python kmeans聚类算法代码如下:
```python
import numpy as np
from sklearn.cluster import KMeans
#生成随机数据,因为是演示示例,故意生成两组数据
x1 = np.random.uniform(0,1,(100,2))
x2 = np.random.uniform(2,3,(100,2))
X = np.vstack((x1,x2))
# 实例化KMeans对象,并且设置聚类数为2
kmeans = KMeans(n_clusters=2)
# 拟合聚类模型
kmeans.fit(X)
# 输出聚类后的标签
print(kmeans.labels_)
# 输出聚类后的中心点
print(kmeans.cluster_centers_)
```
以上代码通过导入numpy库生成随机数据,并将两组数据合并为一个二维矩阵X,然后使用sklearn.cluster库中的KMeans类进行聚类模型的实例化,聚类数设置为2。接着,调用fit()方法拟合模型,获取聚类后的标签和中心点,最后输出聚类后的标签和中心点。
以上便是Python kmeans聚类算法代码的实现方法,通过以上代码可以很方便地进行kmeans聚类算法的实现,用于数据分析和机器学习等相关领域。