Python 实现 K-means 聚类算法示例代码
1星 需积分: 2 9 浏览量
更新于2024-08-03
收藏 1KB MD 举报
K-means 聚类算法 python 代码实现
K-means 聚类算法是最常用的无监督学习算法之一,它可以将样本数据分配到不同的簇中,从而实现数据的分类和聚类。在 Python 中,我们可以使用 Scikit-learn 库来实现 K-means 聚类算法。下面是使用 Python 实现 K-means 聚类算法的示例代码:
首先,我们需要导入必要的库,包括 NumPy、Scikit-learn 和 Matplotlib。NumPy 库提供了强大的数组操作功能,Scikit-learn 库提供了 K-means 聚类算法的实现,Matplotlib 库提供了数据可视化功能。
```
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
```
接下来,我们创建了一个包含 6 个样本的二维数组 X。
```
X = np.array([[1, 2], [1.5, 1.8], [5, 8], [8, 8], [1, 0.6], [9, 11]])
```
然后,我们使用 Scikit-learn 库创建了一个 K-means 模型,并将其拟合到样本数据上。我们指定了 `n_clusters=2` 来设置聚类的数量为 2。
```
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)
```
接下来,我们使用训练好的模型获取聚类中心和样本的标签。
```
centers = kmeans.cluster_centers_
labels = kmeans.labels_
```
最后,我们使用 Matplotlib 库将样本和聚类中心可视化出来,其中标签为 0 的样本用红色表示,标签为 1 的样本用蓝色表示,聚类中心用绿色星号表示。
```
for i in range(len(labels)):
plt.scatter(X[i][0], X[i][1], c=('r' if labels[i]==0 else 'b'))
plt.scatter(centers[:, 0], centers[:, 1], marker='*', color='g', s=200)
plt.show()
```
在这个示例中,我们使用 K-means 聚类算法将样本数据分配到两个簇中,并将结果可视化出来。请确保在运行代码之前安装了 NumPy、Scikit-learn 和 Matplotlib 库。
K-means 聚类算法的优点包括:
* 高效:K-means 聚类算法可以快速处理大规模数据集。
* 简单:K-means 聚类算法的实现非常简单,易于理解和实现。
然而,K-means 聚类算法也存在一些缺陷:
* 敏感于初始值:K-means 聚类算法的结果可能会受到初始值的影响。
* 不适合非球形分布:K-means 聚类算法假设数据分布是球形的,但是在实际应用中,数据分布可能是非球形的。
K-means 聚类算法是一种非常有用的无监督学习算法,可以应用于数据挖掘、 Pattern Recognition 和机器学习等领域。
2020-09-16 上传
2022-04-10 上传
2021-06-29 上传
2023-07-17 上传
2023-06-28 上传
2023-09-21 上传
2023-05-17 上传
2023-06-08 上传
2023-04-24 上传
0语1言
- 粉丝: 6
- 资源: 91
最新资源
- 构建Cadence PSpice仿真模型库教程
- VMware 10.0安装指南:步骤详解与网络、文件共享解决方案
- 中国互联网20周年必读:影响行业的100本经典书籍
- SQL Server 2000 Analysis Services的经典MDX查询示例
- VC6.0 MFC操作Excel教程:亲测Win7下的应用与保存技巧
- 使用Python NetworkX处理网络图
- 科技驱动:计算机控制技术的革新与应用
- MF-1型机器人硬件与robobasic编程详解
- ADC性能指标解析:超越位数、SNR和谐波
- 通用示波器改造为逻辑分析仪:0-1字符显示与电路设计
- C++实现TCP控制台客户端
- SOA架构下ESB在卷烟厂的信息整合与决策支持
- 三维人脸识别:技术进展与应用解析
- 单张人脸图像的眼镜边框自动去除方法
- C语言绘制图形:余弦曲线与正弦函数示例
- Matlab 文件操作入门:fopen、fclose、fprintf、fscanf 等函数使用详解