用python写KMeans聚类及可视化
时间: 2024-03-25 19:39:15 浏览: 69
好的,我可以为您提供一些代码示例和解释。首先,您需要导入必要的库:numpy、sklearn 和 matplotlib。
```python
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
```
接下来,您需要构造一些数据来进行聚类。这里我使用了一个随机生成的数据集:
```python
# 构造数据
np.random.seed(0)
X = np.random.randn(100, 2)
```
然后,您可以使用 sklearn 库中的 KMeans 类来进行聚类。这里我设定了聚类数为 3,最大迭代次数为 100:
```python
# 进行聚类
kmeans = KMeans(n_clusters=3, max_iter=100).fit(X)
```
接着,您可以将聚类结果可视化出来。这里我使用了 matplotlib 库中的散点图函数 scatter(),并根据每个点所属的簇不同设置了不同的颜色:
```python
# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.show()
```
完整代码如下:
```python
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 构造数据
np.random.seed(0)
X = np.random.randn(100, 2)
# 进行聚类
kmeans = KMeans(n_clusters=3, max_iter=100).fit(X)
# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.show()
```
这样,您就可以用 Python 写 KMeans 聚类及可视化了。
阅读全文