试采用 sklearn 中的 KMeans 实现西瓜数据集4.0的k均值算法的学习过程。

好的，首先我们需要载入所需的库和数据集。这里我使用的是自带的西瓜数据集4.0。

import numpy as np
import pandas as pd
from sklearn.cluster import KMeans

data = pd.read_csv('watermelon_4.csv')
X = data.iloc[:,1:3].values

接下来，我们可以设置 K 值，即聚类的个数。这里我设置为 3。

k = 3

然后，我们可以使用 KMeans 函数进行训练。这里我设置了 n_init=10，表示进行 10 次不同的初始化，选择最好的一次结果作为最终结果。同时，设置 random_state=0，保证每次运行的结果相同。

kmeans = KMeans(n_clusters=k, n_init=10, random_state=0).fit(X)

训练结束后，我们可以输出每个样本所属的聚类结果。

labels = kmeans.labels_
print(labels)

最后，我们可以将聚类结果可视化。不同颜色的点表示不同的聚类结果。

import matplotlib.pyplot as plt

colors = ['r', 'g', 'b']
for i in range(k):
    plt.scatter(X[labels==i,0], X[labels==i,1], c=colors[i])
plt.show()

完整代码如下：

import numpy as np
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

data = pd.read_csv('watermelon_4.csv')
X = data.iloc[:,1:3].values

k = 3

kmeans = KMeans(n_clusters=k, n_init=10, random_state=0).fit(X)

labels = kmeans.labels_
print(labels)

colors = ['r', 'g', 'b']
for i in range(k):
    plt.scatter(X[labels==i,0], X[labels==i,1], c=colors[i])
plt.show()