K-means聚类算法实现,用python代码展示1. 采用莺尾花数据,学习决策树。 2.画出决策树,图片适应屏幕
时间: 2024-03-20 22:44:56 浏览: 14
下面是使用Python实现K-means聚类算法的示例代码:
```python
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
# 加载莺尾花数据
iris = load_iris()
X = iris.data
# 使用K-means算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)
labels = kmeans.labels_
# 输出聚类结果
print(labels)
```
以上代码使用了sklearn库中的KMeans类来实现K-means算法,将莺尾花数据聚成3类。
下面是使用Python实现决策树的示例代码:
```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
import graphviz
# 加载莺尾花数据
iris = load_iris()
X = iris.data
y = iris.target
# 使用决策树进行分类
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X, y)
# 输出决策树
dot_data = export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("iris")
graph.view()
```
以上代码使用了sklearn库中的DecisionTreeClassifier类来实现决策树,将莺尾花数据分类,并使用graphviz库中的export_graphviz函数将决策树导出为DOT格式,最后使用graphviz库中的Source类和render/view方法将决策树渲染为图片并显示在屏幕上。