机器学习K-means聚类代码
时间: 2023-10-31 19:46:18 浏览: 62
当然,我可以为您提供一个简单的机器学习K-means聚类的代码示例。以下是一个使用Python编写的示例:
```python
import numpy as np
from sklearn.cluster import KMeans
# 创建样本数据
X = np.array([[1, 2], [1.5, 1.8], [5, 8], [8, 8], [1, 0.6], [9, 11]])
# 创建K-means模型并进行训练
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)
# 输出聚类的中心点和标签
centroids = kmeans.cluster_centers_
labels = kmeans.labels_
print("聚类中心点:")
print(centroids)
print("聚类标签:")
print(labels)
```
在上面的代码中,我们首先导入了必要的库,包括`numpy`和`sklearn.cluster`中的`KMeans`类。然后,我们创建了一个包含样本数据的二维数组`X`。接下来,我们使用`KMeans`类创建了一个K-means模型,并指定聚类数量为2。然后,我们使用`fit`方法对模型进行训练。
最后,我们可以通过`cluster_centers_`属性获取聚类的中心点坐标,通过`labels_`属性获取每个样本的聚类标签,并将它们打印出来。
请注意,这只是一个简单的示例,实际的应用可能需要更多的数据预处理和调参步骤。希望这个示例对您有所帮助!如果您有任何进一步的问题,请随时提问。