K-means算法怎么在python中使用

发布时间：2021-02-09 12:17:34

来源：亿速云

阅读：68

作者：Leah

本篇文章为大家展示了K-means算法怎么在python中使用，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

K-Means算法进行聚类分析km = KMeans(n_clusters = 3)

km.fit(X)

centers = km.cluster_centers_

print(centers)

三个簇的中心点坐标为：[[5.006 3.428 ]

[6.81276596 3.07446809]

[5.77358491 2.69245283]]

比较一下K-Means聚类结果和实际样本之间的差别：predicted_labels = km.labels_

fig, axes = plt.subplots(1, 2, figsize=(16,8))

axes[0].scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Set1,

edgecolor='k', s=150)

axes[1].scatter(X[:, 0], X[:, 1], c=predicted_labels, cmap=plt.cm.Set1,

edgecolor='k', s=150)

axes[0].set_xlabel('Sepal length', fontsize=16)

axes[0].set_ylabel('Sepal width', fontsize=16)

axes[1].set_xlabel('Sepal length', fontsize=16)

axes[1].set_ylabel('Sepal width', fontsize=16)

axes[0].tick_params(direction='in', length=10, width=5, colors='k', labelsize=20)

axes[1].tick_params(direction='in', length=10, width=5, colors='k', labelsize=20)

axes[0].set_title('Actual', fontsize=18)

axes[1].set_title('Predicted', fontsize=18)

k-means算法实例扩展内容：# -*- coding: utf-8 -*-

"""Excercise 9.4"""

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import sys

import random

data = pd.read_csv(filepath_or_buffer = '../dataset/watermelon4.0.csv', sep = ',')[["密度","含糖率"]].values

########################################## K-means #######################################

k = int(sys.argv[1])

#Randomly choose k samples from data as mean vectors

mean_vectors = random.sample(data,k)

def dist(p1,p2):

return np.sqrt(sum((p1-p2)*(p1-p2)))

while True:

print mean_vectors

clusters = map ((lambda x:[x]), mean_vectors)

for sample in data:

distances = map((lambda m: dist(sample,m)), mean_vectors)

min_index = distances.index(min(distances))

clusters[min_index].append(sample)

new_mean_vectors = []

for c,v in zip(clusters,mean_vectors):

new_mean_vector = sum(c)/len(c)

#If the difference betweenthe new mean vector and the old mean vector is less than 0.0001

#then do not updata the mean vector

if all(np.divide((new_mean_vector-v),v)

new_mean_vectors.append(v)

else:

new_mean_vectors.append(new_mean_vector)

if np.array_equal(mean_vectors,new_mean_vectors):

break

else:

mean_vectors = new_mean_vectors

#Show the clustering result

total_colors = ['r','y','g','b','c','m','k']

colors = random.sample(total_colors,k)

for cluster,color in zip(clusters,colors):

density = map(lambda arr:arr[0],cluster)

sugar_content = map(lambda arr:arr[1],cluster)

plt.scatter(density,sugar_content,c = color)

plt.show()

上述内容就是K-means算法怎么在python中使用，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。