机器学习之KMeans聚类 - 挖洞的土拨鼠
2019-09-03 00:44:00 Author: www.cnblogs.com(查看原文) 阅读量:115 收藏

零、学习生成测试数据


from sklearn.datasets import make_blobs
from matplotlib import pyplot

#  create test data sets
datas, targets = make_blobs(
    n_samples=100, #样本数量
    n_features=2, #样本特征数
    centers=3, #中心数量
    cluster_std=[0.5, 1.0, 1.5], #方差
    center_box=(-20.0, 20.0),
    shuffle=True,
    random_state=None
)

pyplot.scatter(datas[:,0],datas[:,1],c=targets)
pyplot.show()

一、建立模型



km = KMeans(n_clusters=3, random_state=10)#创建模型(几个群组,随机种子数)
km.fit(datas, targets)#计算聚类
y_hat = km.predict(datas)#给这个样本估计最接近的分组(簇)
'''
ret = km.fit_predict(datas) #返回一个给数据每一项分组的组号列表
print km.get_params()#获取参数信息
km.set_params(keyname=value)
'''


其他常用函数

二、KMeans算法原理



文章来源: http://www.cnblogs.com/KevinGeorge/p/11450557.html
如有侵权请联系:admin#unsafe.sh