将第三个任务的K-means算法散点图用Python进行代码实现
时间: 2024-04-13 21:28:20 浏览: 21
当使用K-means算法进行聚类学习后,您可以使用Python的matplotlib库来绘制散点图以可视化聚类结果。以下是一个使用Python代码实现的示例:
```python
import numpy as np
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 加载数据集
data = pd.read_csv('wine_dataset.csv') # 假设数据集保存在名为wine_dataset.csv的文件中
# 定义找到的条件属性集合(根据您的实际结果进行修改)
selected_features = ['feature1', 'feature2', 'feature3']
# 获取选择的特征列作为输入数据
X = data[selected_features].values
# 使用K-means算法进行聚类学习
kmeans = KMeans(n_clusters=3) # 假设需要聚类成3个簇
kmeans.fit(X)
y_pred = kmeans.labels_
# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('K-means Clustering')
plt.show()
```
请注意,上述代码中,您需要根据实际情况修改数据集文件的路径和选定的条件属性集合。同时,您可以根据需要调整K-means聚类算法的参数(例如簇的数目)。
运行上述代码后,将会显示一个散点图,其中每个样本点的颜色代表其所属的聚类簇。
希望这个示例能够帮助您实现第三个任务,并可视化K-means聚类结果。如果您有任何进一步的问题,请随时提问。