k-means 代码
时间: 2023-06-21 15:19:53 浏览: 108
以下是 Python 中实现 k-means 算法的代码:
```python
import numpy as np
from sklearn.cluster import KMeans
# 生成数据
data = np.random.rand(100, 2)
# 创建 k-means 模型
kmeans = KMeans(n_clusters=3)
# 训练模型
kmeans.fit(data)
# 输出聚类结果
labels = kmeans.labels_ # 每个数据点对应的簇标签
centers = kmeans.cluster_centers_ # 每个簇的中心点
print(labels)
print(centers)
```
以上代码中,我们首先生成了一个 100 行 2 列的随机数据集,然后使用 `KMeans` 类创建了一个 k-means 模型。在训练模型之后,我们可以通过 `labels_` 属性获得每个数据点对应的簇标签,通过 `cluster_centers_` 属性获得每个簇的中心点。
相关问题
python实现k-means代码
Python实现k-means的代码很简单,可以使用scikit-learn库中的KMeans类来实现。例如,以下代码可以用来实现k-means聚类:from sklearn.cluster import KMeanskmeans = KMeans(n_clusters=3, random_state=0).fit(X)
R语言k-means代码
以下是使用R语言实现K-means算法的代码示例:
```R
# 导入数据
data <- read.csv("data.csv")
# 执行K-means聚类
kmeans_result <- kmeans(data, centers = 3)
# 打印聚类结果
print(kmeans_result$cluster)
```
上述代码中,首先使用`read.csv`函数导入数据,然后使用`kmeans`函数执行K-means聚类,其中`centers`参数指定聚类的中心数量。最后,使用`print`函数打印聚类结果。
阅读全文