k均值聚类python代码

以下是一个简单的k均值聚类的Python代码示例：

import numpy as np
from sklearn.cluster import KMeans

# 生成数据
X = np.random.randn(100, 2)

# 建立模型
kmeans = KMeans(n_clusters=3)

# 训练模型
kmeans.fit(X)

# 预测结果
y_pred = kmeans.predict(X)

# 打印结果
print(y_pred)

在上面的代码示例中，我们首先生成了一个包含100个样本和2个特征的数据集。然后，我们使用scikit-learn库中的KMeans类来建立k均值聚类模型，并将聚类数设置为3。接下来，我们使用fit()方法训练模型，并使用predict()方法预测结果。最后，我们将预测结果打印出来。

相关问题

k均值聚类python代码

下面是一个简单的 k 均值聚类的 Python 代码示例：

import numpy as np
from sklearn.cluster import KMeans

# 随机生成数据
X = np.random.rand(100, 2)

# 创建一个 KMeans 对象，指定聚类数量为 3
kmeans = KMeans(n_clusters=3)

# 训练模型
kmeans.fit(X)

# 获取聚类结果
labels = kmeans.labels_

# 获取聚类中心
centers = kmeans.cluster_centers_

这段代码使用了 `sklearn` 库中的 `KMeans` 类来实现 k 均值聚类算法。首先，我们随机生成了一个 100 行、2 列的数据矩阵 `X`。然后，我们创建了一个 `KMeans` 对象，并将聚类数量设置为 3。接下来，我们用 `fit` 方法训练模型，并用 `labels_` 属性获取聚类结果，用 `cluster_centers_` 属性获取聚类中心。

K均值聚类python代码

我可以提供一个K均值聚类的Python代码示例： from sklearn.cluster import KMeans # 导入KMeans模型 # 创建KMeans模型，并设置聚类中心数量为3
kmeans = KMeans(n_clusters=3)
# 将数据拟合到模型中
kmeans.fit(data)
# 计算聚类中心
centroids = kmeans.cluster_centers_
# 计算每个点的预测类别
labels = kmeans.labels_