sklearn的kmeans怎么用
时间: 2023-07-12 18:25:36 浏览: 77
sklearn 中的 kmeans 算法可以通过以下步骤来使用:
1. 导入需要的库和数据集:
```python
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
# 生成随机数据
X, y = make_blobs(n_samples=1000, centers=4, random_state=42)
```
2. 创建 KMeans 对象并拟合数据:
```python
# 创建 KMeans 对象
kmeans = KMeans(n_clusters=4, random_state=42)
# 拟合数据
kmeans.fit(X)
```
3. 获取聚类结果和中心点:
```python
# 获取聚类结果
labels = kmeans.labels_
# 获取中心点
centroids = kmeans.cluster_centers_
```
完整的代码示例:
```python
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
# 生成随机数据
X, y = make_blobs(n_samples=1000, centers=4, random_state=42)
# 创建 KMeans 对象
kmeans = KMeans(n_clusters=4, random_state=42)
# 拟合数据
kmeans.fit(X)
# 获取聚类结果
labels = kmeans.labels_
# 获取中心点
centroids = kmeans.cluster_centers_
```
在上面的示例中,KMeans 算法使用 4 个聚类中心对数据进行聚类,并返回每个点所属的聚类类别和每个聚类的中心点。