kmeans函数python
时间: 2023-09-22 08:12:23 浏览: 97
python实现KMeans算法
5星 · 资源好评率100%
KMeans是一种无监督学习算法,用于将数据点聚类成不同的群组。在Python中,可以使用scikit-learn库中的KMeans类实现KMeans算法。
以下是一个简单的示例代码:
```python
from sklearn.cluster import KMeans
import numpy as np
# 生成随机数据
X = np.random.rand(100, 2)
# 创建KMeans对象,指定聚类数为3
kmeans = KMeans(n_clusters=3)
# 对数据进行聚类
y_pred = kmeans.fit_predict(X)
# 打印聚类结果
print(y_pred)
```
在上面的代码中,我们首先生成了一个包含100个数据点的随机二维数组X。然后我们创建了一个KMeans对象,并将聚类数设置为3。接下来,我们使用fit_predict()方法对数据进行聚类,并将结果存储在y_pred变量中。最后,我们将聚类结果打印出来。
在实际应用中,我们通常需要对聚类结果进行可视化,以便更好地理解数据。您可以使用matplotlib库来绘制聚类结果的散点图:
```python
import matplotlib.pyplot as plt
# 绘制聚类结果的散点图
plt.scatter(X[:,0], X[:,1], c=y_pred)
plt.show()
```
在上面的代码中,我们使用scatter()函数绘制散点图,其中X[:,0]和X[:,1]分别表示数据点的x轴和y轴坐标,c=y_pred指定了不同颜色的数据点对应不同的聚类。最后,我们调用show()函数显示绘图结果。
阅读全文