k-means聚类代码
时间: 2023-11-16 20:04:37 浏览: 44
以下是k-means聚类的代码示例:
```python
from sklearn.datasets import make_moons
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 生成make_moons数据
X, y = make_moons(n_samples=200, noise=0.1, random_state=42)
# 进行k-means聚类
kmeans = KMeans(n_clusters=2, random_state=42)
y_pred = kmeans.fit_predict(X)
# 可视化聚类结果
plt.scatter(X[y_pred==0, 0], X[y_pred==0, 1], c='blue', label='Cluster 1')
plt.scatter(X[y_pred==1, 0], X[y_pred==1, 1], c='red', label='Cluster 2')
plt.legend()
plt.show()
```
以上代码使用了Scikit-learn中的make_moons方法生成数据,然后使用KMeans进行聚类,可视化结果。在此代码示例中,将数据聚类为2类,因此n_clusters参数为2。
相关问题
机器学习K-means聚类代码
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。
python k-means聚类代码
下面是一个使用sklearn库实现KMeans聚类算法的Python代码示例:
```python
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
# 生成随机数据集
np.random.seed(0)
X = np.random.randn(100, 2)
# 使用KMeans聚类算法
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
# 绘制聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()
```
该代码首先生成了一个二维的随机数据集X,然后使用KMeans聚类算法将数据集分为3类。最后绘制了聚类结果,其中每个点的颜色表示其所属的类别,红色的x表示每个类别的中心点。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)